Esta página web no esta soportada en este navegador, intente microsoft edge, google chrome, safari o firefox.

x

Buscador

Buscador

Nuestro nuevo e-commerce ya está al aire

Almacenando grandes volúmenes de imágenes y raster en la nube

Kevin Bluter, en 16 de Diciembre 2015


Almacenando grandes volúmenes de datos en la nube

Para abordar estas cuestiones, Esri ha desarrollado un nuevo enfoque para la compresión de datos donde se establece una tolerancia para la cantidad de los valores comprimidos que pueden cambiar a partir de los valores originales. Se llamó al algoritmo que hace esto LERC (Limited Error Raster Compression).

Usando LERC, puede establecer una tolerancia de 10 cm cuando comprima sus datos, y el resultado es un conjunto de datos que esta comprimido tanto como sea posible mientras se mantiene fiel a la tolerancia de 10 cm que se establece. También puede configurar la tolerancia en 0 lo cual hace la compresión sin perdida. En la mayoría de los casos LERC proporciona una mejor compresión sin pérdidas que los métodos tradicionales de este tipo como LZW y deflate.

Los científicos y analistas de todo el mundo tratan de utilizar las imágenes para resolver los problemas mundiales complejos, como cambio climático, polución en el aire, y sostenibilidad alimentaria, contar con información precisa disponible rápidamente es una excelente noticia. El acceso rápido en la web a imágenes de precisión mejorará la forma de entender y analizar los cambios en la Tierra. Esto hará más fácil a los científicos y analistas compartir los resultados con el público, ya que están disponibles en la web y son rápidos para consultar.

Aspectos especiales

Hemos hablado acerca del dilema entre precisión y tamaño y como LERC es optimizado para comprimir conjuntos grandes de datos mientras mantiene la precisión que usted necesita. Otra desventaja que se ve en las técnicas tradicionales de compresión está en la cantidad de tiempo que se necesita para comprimir y descomprimir un archivo. La mayoría de algoritmos de compresión se enfocan en hacer el archivo comprimido lo más pequeño posible, pero requiere un tiempo de maquina substancial para hacerlo. Aunque el archivo resultante es pequeño, toma mucho tiempo para comprimirlo y descomprimirlo. Una de las mejores cosas de LERC es que el algoritmo es muy eficiente. Debido a esto, es veloz, tanto en la compresión como en la descompresión de imágenes. La descompresión de LERC puede ser implementada en JavaScript y es compatible con muchos navegadores web en el mundo, así que usted puede crear aplicaciones web dinámicas teniendo precisión y velocidad en el despliegue de las imagines.

L

LERC es implementado con MRF (MetaRasterFormat), un formato de archivo diseñado por la NASA JPL para acceso rápido a conjuntos de datos raster. Sin entrar mucho en los detalles de la técnica, este formato de archivo tiene la ventaja de esquemas de teselado para disponer en las imágenes en la web usando el cache. (Si quiere conocer más detalles de técnica y empezar a relacionarse con ella, revise este foro en Geonet ). MFR es implementado en Open Source GDAL y Esri ha contribuido en la implementación del LERC (https://github.com/nasa-gibs/mrf ). Ahora usando LERC y MRF tenemos la posibilidad de alamacenar y acceder a grandes volúmenes de imágenes a un bajo costo y en formatos abiertos. Para las organizaciones con muchas imágenes esto es algo significativo.

Para la fecha, LERC ha sido el único disponible internamente con ArcGIS, pero estamos haciéndolo disponible para la comunidad geoespacial, asi que los desarrolladores pueden hacer uso de la tecnología y continuar con el desarrollo de nuevas formas para explorar datos geoespaciales. Para ayudar a los desarrolladores esta comunidad, hemos creado un repositorio Github donde se puede acceder al código.