空间数据仓库的建设和利用面临哪些挑战？
关于空间数据仓库的构建和利用，存在几个具有挑战性的问题。第一个挑战是统一来自异构来源和系统的空间信息。空间数据通常使用各种数据格式存储在不同的行业公司和政府机构中。
数据格式不仅是特定于结构的（例如，基于栅格与基于矢量的空间数据、面向对象与关系模型、不同的空间存储和索引结构），而且是特定于供应商的（例如，ESRI、MapInfo、Intergraph）。在异构空间数据的统一和交换方面已经做了大量工作，为空间数据集成和空间数据仓库建设铺平了道路。
第二个挑战是在空间数据仓库中实现快速灵活的在线分析处理。星型模式模型是空间数据仓库建模的最佳选择，因为它支持简洁、有组织的仓库结构，并支持OLAP服务。但是，在空间仓库中，维度和度量都可以包含空间元素。
空间数据立方体中有三种类型的维度，如下所示-
非空间维度-非空间维度仅包含非空间数据。可以为仓库生成非空间维度温度和风暴。例如，因为每个数据都包含非空间泛化的非空间数据（包括温度的“热”和降水的“湿”）。
空间到非空间维度-空间到非空间维度是一种维度，其原始级数据是空间的，但其泛化，从某个高级别的开始，变成非空间的。
空间到空间维度-空间到空间维度是一个维度，其原始级别及其所有高级广义数据都是空间的。例如，维度equi_temperatureregion包括空间数据，它的所有概括也包括空间数据，包括覆盖0-5度（摄氏度）、5-10度等的区域。
空间数据立方体中有两种类型的度量，如下所示-
数值测量-数值测量仅包含数值数据。例如，空间数据仓库中的一个度量可以是一个地区的月收入，这样一个汇总就可以按年、按县等评估总收入。数值度量可以分为分配的、代数的和整体的.
空间度量-空间度量包含指向空间对象的指针集合。例如，在空间数据立方体中的概括（或汇总）中，具有相同温度和降水范围的区域将被分组到相同的单元格中，并且如此形成的度量包括一组指向这些区域的指针。
非空间数据立方体-非空间数据立方体仅包括非空间维度和数值度量。如果空间数据立方体包含空间维度但不包含空间度量，则其OLAP操作，包括钻取或旋转。它可以在类似于非空间数据立方体的方面执行。