目录
一、前言
之前我们处理的都是单波段的Tiff数据，可以实现瓦片的读取、处理等操作，如果Tiff为多波段Tiff，并且我们不希望在导入的时候将多波段合并成单波段，这时候就需要进行多波段数据处理。多波段数据处理方式基本与单波段处理方式相同，稍有差别，我在这里简单介绍之。
二、多波段数据导入
首先准备一个多波段的Tiff文件，将其导入Accumulo中。单波段数据导入代码如下：
implicit val sc = SparkUtils.createSparkContext("ETL SinglebandIngest", new SparkConf(true))
Etl.ingest[ProjectedExtent, SpatialKey, Tile](args, ZCurveKeyIndexMethod)
sc.stop()
多波段基本相同，代码如下：
implicit val sc = SparkUtils.createSparkContext("ETL MultibandIngest", new SparkConf(true))
Etl.ingest[ProjectedExtent, SpatialKey, MultibandTile](args, ZCurveKeyIndexMethod)
sc.stop()
运行方式为将代码达成jar包，然后提交到spark集群，这在之前文章中已经介绍过，不同的是format参数要设置为multiband-geotiff。
三、读取多波段瓦片
多波段数据存入Accumulo中之后，读取单个瓦片的代码如下：
val multiTile = tileReader.reader[SpatialKey, MultibandTile](LayerId(name, zoom)).read(key)
其中name表示多波段瓦片存储的layer，zoom为读取瓦片的层级，key为瓦片的x、y坐标，tileReader为AccumuloValueReader实例。这样得到的结果就是一个MultibandTile对象。
四、提取单波段
读取出多波段瓦片之后可以进行各种各样的操作，比如将多波段取出三个波段进行RGB渲染之后在前台显示，或者通过前台控制显示任意单一波段的瓦片数据。在这里我简单介绍一些显示单一波段瓦片。
理论上很简单，因为MultibandTile对象，简单来说就是一个Tile的数组，这时候只需要获取到用户想要浏览的波段值，从数组中提取出相应的Tile即可。代码如下：
multiTile.bands(bandNum)
其中bandNum为想要提取的波段号。
五、总结
本文简单介绍了多波段数据导入、处理的一些细节，真的是很简单，因为目前关于多波段只进行了这些工作，遂将其简单总结之，还未深入涉及，研究的宽度和深度都不够，下一步会根据工作情况深入研究之后进行进一步总结。