Laatst bijgewerkt: 20 aug. 2026

Cloud-Native Geospatial Formats Explained - COG, GeoParquet, PMTiles & More

Wat zijn cloud-native GIS-bestandsformaten? Een ontwikkelaarsgids

Als je ooit een geospatiale pijplijn hebt gebouwd, ken je de pijn van de "download-first" knelpunt. Traditioneel, als je applicatie een 500x500 pixel begrenzingsvak nodig had van een 15 GB satellietscene—of tien rijen wilde filteren uit een 4 GB gemeentelijke perceeldataset—moest je het volledige bestand downloaden, het in het geheugen parseren en vervolgens het stuk eruit knippen waar je echt om gaf.

Het simpelweg uploaden van een Shapefile, GeoJSON, of een standaard GeoTIFF naar een Amazon S3 bucket of Google Cloud Storage maakt het niet cloud-native. Het plaatst alleen een legacy‑bestand op de harde schijf van iemand anders.

Cloud-native GIS file formats lossen dit probleem op door de manier waarop ruimtelijke data op schijf wordt georganiseerd te herstructureren. In plaats van clients te dwingen bestanden sequentieel van begin tot eind te lezen, zijn deze formaten ontworpen voor directe, gedeeltelijke lecties via het netwerk. Voor ontwikkelaars ontgrendelt dit serverless‑architecturen, verlaagt drastisch de egress‑kosten, en laat web‑clients enorme datasets direct query’en vanuit statische objectopslag.

De mechanica: hoe cloud-native geospatiale gegevens echt werken

Voordat we ingaan op specifieke bestandsextensies, is het handig om het onderliggende engineeringpatroon te begrijpen dat ze laat werken. Bijna elk cloud-native geospatiaal formaat vertrouwt op drie kernmechanismen:

  1. HTTP Range Requests (GET met Range-headers): Standaard HTTP/1.1 en HTTP/2 ondersteunen het opvragen van specifieke bytebereiken van een extern bestand (bijv. bytes=0-16383). Cloud‑objectopslag zoals AWS S3, Cloudflare R2 en Azure Blob Storage ondersteunen dit direct out of the box.
  2. Front-Loaded (of Predictable) Metadata & Spatial Indexes: Om de exacte bytes die een geografisch gebied bestrijken op te vragen, heeft de client eerst een kaart nodig van de interne indeling van het bestand. Cloud-native formaten slaan hun header‑metadata en ruimtelijke indexen (zoals R‑trees of bounding‑box hiërarchieën) op een voorspelbare locatie op—meestal aan het begin of het einde van het bestand. Een client doet één klein initiëel verzoek om de index te lezen, berekent de exacte byte‑offsets voor het doelgebied, en haalt alleen die delen op.
  3. Interne Tegels en Chunking: In plaats van rasters rij voor rij op te slaan of vectoren als een platte tekstmuur, wordt data opgesplitst in zelfstandige, gecomprimeerde blokken (tegels, rijgroepen of N-dimensionale chunks) die onafhankelijk opgehaald en gedecomprimeerd kunnen worden.

De kern van cloud-native GIS-bestandsformaten

Er is geen enkel formaat dat ze allemaal regeert. Het kiezen van het juiste formaat hangt af van of je te maken hebt met beelden, tabelvectoren, kaarttegels, multidimensionale arrays of LiDAR-puntwolken.

1. Cloud-geoptimaliseerde GeoTIFF (COG) — Voor rasterbeelden

Een COG is geen gloednieuwe propriëtaire bestandstype; het is een standaard GeoTIFF (.tif) met een strikte interne indeling die is aangenomen als een officiële OGC-standaard. Omdat het een geldige GeoTIFF blijft, kunnen legacy desktoptools zoals QGIS en ArcGIS het nog steeds openen zonder problemen.

  • Hoe het werkt: In plaats van pixels in horizontale scanlijnen over de hele afbeelding op te slaan, organiseert een COG pixels in interne tegels (meestal 512×512 pixels). Het embedt ook overzichten (vooraf berekende, lagere-resolutie afbeeldingspiramides) in hetzelfde bestand. Wanneer een gebruiker uitzoomt op een webkaart, haalt de client laag-res overzichten- tegels op; wanneer ze inzoomen, haalt hij alleen de hoog-res tegels op die het viewport snijden.
  • Beste voor: Satellietbeelden, luchtorthomosaïeken, digitale hoogtemodellen (DEMs) en dynamische raster-tegelservers (zoals TiTiler).

Genereren van een COG via GDAL:

gdal_translate input.tif output_cog.tif \
  -of COG \
  -co COMPRESS=DEFLATE \
  -co OVERVIEWS=IGNORE_EXISTING

2. GeoParquet — Voor grote vectoranalyse en datawarehouses

Als je workflow meer lijkt op data‑engineering dan op traditionele cartografie, is GeoParquet (.parquet) de grote speler. Gebouwd bovenop Apache Parquet, slaat het geometrieën op als ISO‑standaard Well‑Known Binary (WKB) naast rijke tabel‑attributen.

  • Hoe het werkt: In tegenstelling tot Shapefiles of GeoJSON, die gegevens rij voor rij opslaan, is Parquet kolomgebaseerd. Als je een aggregatie uitvoert op een population‑kolom over 50 miljoen polygonen, slaat de engine het lezen van de zware geometrie‑bytes volledig over. GeoParquet voegt ook bounding‑box‑metadata per rij‑groep toe (en ondersteunt ruimtelijke sortering via Hilbert‑curves of H3‑indexen), waardoor query‑engines irrelevante stukken kunnen overslaan.
  • Beste voor: grootschalige ruimtelijke analyses, cloud‑datawarehouses (Snowflake, BigQuery, Databricks) en serverloze SQL‑engines zoals DuckDB.

Opvragen van remote GeoParquet direct met DuckDB:

INSTALL spatial;
LOAD spatial;

SELECT land_use, COUNT(*) AS parcel_count
FROM read_parquet('s3://example-bucket/parcels.parquet')
WHERE ST_Intersects(geometry, ST_MakeEnvelope(-122.5, 37.7, -122.3, 37.8))
GROUP BY land_use;

3. FlatGeobuf — Voor het streamen van vectorfuncties naar het web

Hoewel GeoParquet uitblinkt in analytische engines, zijn op de footer gebaseerde metadata en kolomoriëntatie niet altijd ideaal voor het streamen van ruwe vectorgeometrieën rechtstreeks naar een browserkaart. Maak kennis met FlatGeobuf (.fgb).

  • Hoe het werkt: Gebouwd op Google’s FlatBuffers binaire serialisatiebibliotheek, plaatst FlatGeobuf een compacte Hilbert R-tree ruimtelijke index direct aan het begin van het bestand. Webclients (zoals MapLibre GL JS, Leaflet of OpenLayers) kunnen een begrenzingsvak-query uitvoeren via HTTP-rangeverzoeken en beginnen met het renderen van features op het scherm terwijl de resterende bytes nog steeds worden gestreamd.
  • Beste voor: Het vervangen van multi-megabyte GeoJSON-bestanden in interactieve webapplicaties zonder een PostGIS/GeoServer-backend op te starten.

4. PMTiles — Voor serverloze vector- en rasterbasiskaarten

Traditioneel vereiste het serveren van interactieve kaarttegels (/{z}/{x}/{y}.pbf) ofwel het draaien van een dedicated tile server (zoals Martin of Tileserver-GL) of het uploaden van miljoenen kleine individuele .pbf-bestanden naar S3 — een nachtmerrie voor bucketbeheer en API-verzoekkosten.

  • Hoe het werkt: Gemaakt door Protomaps, PMTiles (.pmtiles) verpakt een volledige piramide van Mapbox Vector Tiles (MVT) of rastertegels in één enkel archiefbestand. Het gebruikt een gegroepeerde mapstructuur die geoptimaliseerd is voor Hilbert-curve ruimtelijke localiteit, wat betekent dat een browser-kaartbibliotheek tegels direct kan ophalen uit één statisch bestand op S3 of Cloudflare R2 met HTTP range‑verzoeken.
  • Beste voor: Zero-backend aangepaste basiskaarten, webkaarten met veel verkeer, en offline mobiele kaarttoepassingen.

5. Zarr — Voor multidimensionale wetenschappelijke data

NetCDF en HDF5 domineren al decennialang meteorologie, oceanografie en klimaatmodellering, maar hun monolithische bestandsstructuren hebben moeite in gedistribueerde cloudomgevingen. Zarr herontwerpt N-dimensionale arrays voor objectopslag.

  • Hoe het werkt: Een Zarr‑opslag splitst enorme multidimensionale arrays (bijv. time × latitude × longitude × altitude) in kleine, uniform grote, gecomprimeerde chunks. Elke chunk wordt opgeslagen als een individueel object (of geconsolideerd via Zarr v3 sharding) met JSON‑metadata die de array‑dimensies beschrijft. Tientallen parallelle workers kunnen verschillende tijdsslices gelijktijdig lezen of schrijven zonder bestandsvergrendelingsconflicten.
  • Best voor: Tijdreeks satellietdatacubes, weersvoorspellingen, klimaatmodellen en gedistribueerde Xarray/Dask-pijplijnen.

6. Cloud-Optimized Point Cloud (COPC) — Voor LiDAR

Gebouwd als een uitbreiding op het standaard LAZ 1.4 gecomprimeerde LiDAR-formaat, COPC (.copc.laz) organiseert 3D-puntwolken in een gegroepeerde octree-structuur. Net als COG blijft het achterwaarts compatibel met bestaande LAS/LAZ-lezers, terwijl webviewers (zoals Potree of deck.gl) punten kunnen streamen op basis van de camerafrustum en detailniveau zonder multi-gigabyte puntwolken te downloaden.

Ontwikkelaarsbeslissingsmatrix: Welke indeling moet je kiezen?

GegevenstypePrimaire werklastBeste formaatVervangen legacyformaat
Raster / BeeldmateriaalDynamische tegelvorming, pixelanalyse, webvisualisatieCOG (.tif)Niet-geïndexeerde GeoTIFF, JPEG2000
VectorSQL-analyse, datawarehouses, massale joinsGeoParquet (.parquet)Shapefile, File Geodatabase
VectorRuwe features streamen direct naar een browserFlatGeobuf (.fgb)Groot GeoJSON, KML
Vooraf gestylede tegelsServerloze interactieve webkaarten & mobiel offlinePMTiles (.pmtiles)MBTiles, ZXY mapstructuren
N-D ArraysKlimaatgegevens, tijdreeksrasters, parallelle berekeningZarr (.zarr)NetCDF4, HDF5
Puntwolken3D-webvisualisatie en ruimtelijke LiDAR-selectieCOPC (.copc.laz)Standaard LAS / LAZ

Kritieke valkuilen bij het uitrollen naar productie

Overschakelen naar cloud-native formaten vereenvoudigt je backend, maar verplaatst de configuratieverantwoordelijkheid naar je cloudopslaglaag. Let op deze drie veelvoorkomende valkuilen:

  1. Vergeten CORS-headers: Als een browserapplicatie (met MapLibre, OpenLayers of geotiff.js) een HTTP-range‑verzoek naar je S3‑bucket doet, moet het Cross-Origin Resource Sharing (CORS)-beleid van de bucket expliciet de Range‑header toestaan in AllowedHeaders en Content-Range, Content-Length en Accept-Ranges blootstellen in ExposeHeaders. Zonder dit zullen verzoeken stilletjes falen in de browser.
  2. Ongeordende GeoParquet-rijgroepen: Het converteren van een rommelige Shapefile direct naar GeoParquet maakt bounding-box‑query’s niet automatisch sneller. Als objecten willekeurig over rijgroepen verspreid zijn, moet de query‑engine nog steeds elke rijgroep scannen. Sorteer je geometrieën altijd ruimtelijk (bijv. met een Hilbert‑curve via geopandas of DuckDB vóór het schrijven) zodat ruimtelijk nabije objecten in dezelfde rijgroepen staan.
  3. Suboptimale Chunk-/Tile‑groottes: Kleine chunks (bijv. 64×64 pixels) veroorzaken duizenden HTTP‑verzoeken, wat de latentie en cloud‑API‑kosten verhoogt. Enorme chunks (bijv. 4096×4096 pixels) dwingen clients om te veel data op te halen. Houd je aan de standaardinstellingen—512×512 pixels voor COG’s en 10 MB tot 100 MB per chunk voor Zarr‑ of GeoParquet‑rijgroepen.

Samenvatting

Cloud-native GIS-bestandsformaten vertegenwoordigen een fundamentele verschuiving van data naar compute verplaatsen naar compute (en lichte range‑verzoeken) naar data verplaatsen. Door formaten zoals COG, GeoParquet, FlatGeobuf en PMTiles te combineren met STAC (SpatioTemporal Asset Catalog)‑metadata, kunnen ontwikkelaars robuuste, planeet‑schaal mapping‑ en analyse‑pijplijnen bouwen bovenop goedkope statische objectopslag—geen zware ruimtelijke database nodig.

Veelgestelde vragen (FAQ)

Q1. Wat maakt een GIS-bestandsformaat “cloud-native”? Een formaat is cloud-native wanneer het een voorbelaste ruimtelijke index combineert met interne tegel- of chunk‑indeling, waardoor clients kleine geografische subsets kunnen ophalen via HTTP‑range‑verzoeken zonder het volledige bestand te downloaden.

Q2. Heb ik een speciale GIS‑server nodig om COG-, GeoParquet- of PMTiles‑bestanden te hosten? Nee—u kunt ze hosten op elke standaard statische objectopslag die HTTP‑range‑verzoeken ondersteunt, zoals AWS S3, Google Cloud Storage, Azure Blob Storage of Cloudflare R2.

Q3. Moet ik GeoParquet of FlatGeobuf gebruiken voor mijn vectorgegevens? Gebruik GeoParquet voor zware analytische query’s, SQL-engines (zoals DuckDB) en datawarehouses, en gebruik FlatGeobuf wanneer je ruwe vectorfeatures rechtstreeks naar een browserkaart streamt.

Q4. Is een Cloud-Optimized GeoTIFF (COG) compatibel met traditionele desktop GIS-software? Ja, omdat een COG strikt een standaard GeoTIFF is met interne tegels en overzichtspyramiden, opent het naadloos in legacy-tools zoals QGIS, ArcGIS Pro en GDAL.

Q5. Hoe verschilt PMTiles van MBTiles? MBTiles maakt gebruik van een SQLite-database (die server-side code vereist om via het web te queryen), terwijl PMTiles tegels organiseert in een statisch archief dat webbrowsers direct kunnen lezen via HTTP-rangeverzoeken.

Zie ook

Beste GIS-bestandsformaten voor mobiele apps

GIS-bestandsformaten op FileFormat.com

Top 5 GIS-bestandsformaten voor Google Maps

Nieuws over bestandsformaten

Forums over bestandsformaten