地方重點(diǎn)實(shí)驗(yàn)室遙感大數(shù)據(jù)信息挖掘技術(shù)研究

李蔓

前言

國際數(shù)據(jù)資訊公司最新研究指出，2020年全球產(chǎn)生的數(shù)據(jù)總量將達(dá)到40ZB左右，其中95%的數(shù)據(jù)屬于非結(jié)構(gòu)化、不精確的數(shù)據(jù)，這類數(shù)據(jù)的應(yīng)用便需要得到大數(shù)據(jù)技術(shù)的支持，而為了推動(dòng)我國大數(shù)據(jù)技術(shù)的發(fā)展，正是圍繞貴州省山地資源與環(huán)境遙感應(yīng)用重點(diǎn)實(shí)驗(yàn)室研究成果、開展遙感大數(shù)據(jù)信息挖掘技術(shù)研究的原因所在。

1 遙感大數(shù)據(jù)信息挖掘技術(shù)

1.1 自動(dòng)分析

在圍繞山地資源與環(huán)境的遙感大數(shù)據(jù)挖掘技術(shù)應(yīng)用中，遙感大數(shù)據(jù)的自動(dòng)分析屬于一切的前提，其主要用于建立統(tǒng)一、緊湊和語義的遙感大數(shù)據(jù)表示，數(shù)據(jù)挖掘的開展將由此奠定較為堅(jiān)實(shí)基礎(chǔ)，這里的自動(dòng)分析需圍繞遙感大數(shù)據(jù)的表達(dá)、檢索、理解展開，具體內(nèi)容如下所示：①遙感大數(shù)據(jù)的表達(dá)。語義復(fù)雜性、傳感器語義多樣性、數(shù)據(jù)維度語義豐富性屬于山地資源與環(huán)境遙感大數(shù)據(jù)的主要特點(diǎn)，因此遙感大數(shù)據(jù)的表達(dá)需關(guān)注多元離散特征提取、多元特征歸一化表達(dá)，前者主要圍繞多時(shí)空譜、多數(shù)據(jù)源、多分辨率的遙感影像特征提取展開，后者則關(guān)注遙感大數(shù)據(jù)多元離散特征的降維與融合，同時(shí)引入多元特征的維數(shù)分析目，即可提高大數(shù)據(jù)處理效率。②遙感大數(shù)據(jù)的檢索。網(wǎng)絡(luò)化、集成化屬于遙感大數(shù)據(jù)應(yīng)用的重要發(fā)展方向，而為了從海量遙感大數(shù)據(jù)中檢索出符合用戶需求和感興趣的數(shù)據(jù)，知識(shí)驅(qū)動(dòng)的遙感大數(shù)據(jù)檢索方法支持必不可缺。通過建立場(chǎng)景檢索服務(wù)鏈、多源海量復(fù)雜場(chǎng)景數(shù)據(jù)智能檢索系統(tǒng)，即可通過融入用戶感知信息的知識(shí)更新方法，實(shí)現(xiàn)高層語義檢索。③遙感大數(shù)據(jù)的理解。遙感大數(shù)據(jù)信息挖掘的最終目的是為了實(shí)現(xiàn)數(shù)據(jù)向知識(shí)的轉(zhuǎn)化，而隨著“面向像素”到“面向?qū)ο蟆钡倪b感場(chǎng)景處理方式過渡，高精度提取遙感大數(shù)據(jù)場(chǎng)景高層語義信息開始成為學(xué)界關(guān)注焦點(diǎn)，通過“特征——目標(biāo)——場(chǎng)景”語義建模、遙感大數(shù)據(jù)場(chǎng)景多元認(rèn)知，即可提供多元化語義知識(shí)輸出[1]。

1.2 數(shù)據(jù)挖掘

從海量山地資源與環(huán)境遙感數(shù)據(jù)中搜索其中隱藏的有價(jià)值信息屬于本文研究的重點(diǎn)，這種遙感大數(shù)據(jù)挖掘技術(shù)的應(yīng)用可實(shí)現(xiàn)山地資源變化規(guī)律、環(huán)境變化趨勢(shì)的獲取，具體的數(shù)據(jù)挖掘如下所示：①挖掘過程。山地資源與環(huán)境遙感數(shù)據(jù)的挖掘過程可以概況為：“山地資源與環(huán)境遙感大數(shù)據(jù)→篩選→數(shù)據(jù)集→分類/群集→挖掘→模式/規(guī)則→可視化→融合→數(shù)據(jù)、信息與知識(shí)的融合”，大數(shù)據(jù)和知識(shí)庫智能推理在其中發(fā)揮著關(guān)鍵性作用，其中山地資源與環(huán)境遙感大數(shù)據(jù)源于各類傳感器，篩選過程則需要使用去噪、采樣、過濾等方法，分類/群集環(huán)節(jié)需使用線性或非線性統(tǒng)計(jì)學(xué)方法及一定規(guī)則進(jìn)行數(shù)據(jù)集分類，挖掘過程則需要應(yīng)用深度學(xué)習(xí)、云模型、決策樹、人工神經(jīng)網(wǎng)絡(luò)等方法，由此明確數(shù)據(jù)隱含信息、數(shù)據(jù)間聯(lián)系，即可通過可視化環(huán)節(jié)直觀展示挖掘成果，最終開展數(shù)據(jù)的關(guān)聯(lián)、融合，則能夠?yàn)楹罄m(xù)分析和利用提供有力支持。②綜合挖掘。作為地物在遙感成像傳感器下的多粒度、多方位和多層次全面反映，遙感大數(shù)據(jù)與GIS等空間大數(shù)據(jù)存在較好的互補(bǔ)關(guān)系，而由于所有非接觸式成像數(shù)據(jù)均屬于廣義遙感大數(shù)據(jù)范疇，圍繞其開展的綜合挖掘便能夠?qū)崿F(xiàn)地球知識(shí)和變化規(guī)律的更好揭示。值得注意的是，圍繞廣義遙感大數(shù)據(jù)展開的綜合挖掘不僅需要關(guān)注數(shù)據(jù)處理和信息提取，更需要關(guān)注隱私活動(dòng)數(shù)據(jù)的保護(hù)、可疑事件數(shù)據(jù)的保留[2]。

2 遙感大數(shù)據(jù)信息挖掘技術(shù)的應(yīng)用

2.1 關(guān)鍵技術(shù)

結(jié)合上述研究，可確定現(xiàn)階段山地資源與環(huán)境遙感大數(shù)據(jù)信息挖掘的關(guān)鍵技術(shù)，主要包括分布式集群化存儲(chǔ)技術(shù)、面向數(shù)據(jù)密集型應(yīng)用的高性能計(jì)算、多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)分析、遙感大數(shù)據(jù)地理可視化，以其中的多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)分析為例，該技術(shù)主要采用目標(biāo)對(duì)象與事件關(guān)聯(lián)的方式建立關(guān)聯(lián)模型，并隨之建立一系列關(guān)聯(lián)關(guān)系，非線性張量分析、多視角學(xué)習(xí)、圖模型等數(shù)據(jù)分析方法也在其中發(fā)揮著關(guān)鍵性作用，山地資源與環(huán)境遙感大數(shù)據(jù)的數(shù)據(jù)組合方式多樣性、多源數(shù)據(jù)異構(gòu)性將由此得到較好應(yīng)對(duì)；而對(duì)于遙感大數(shù)據(jù)地理可視化技術(shù)來說，采用幾何繪制方法實(shí)現(xiàn)的多尺度地形、2維矢量數(shù)據(jù)、全球等經(jīng)緯度離散網(wǎng)格集成，則實(shí)現(xiàn)了網(wǎng)絡(luò)環(huán)境下虛擬地球的多尺度地形、影像、矢量集成，隨時(shí)間變化動(dòng)態(tài)特性的統(tǒng)計(jì)數(shù)據(jù)可視化表達(dá)也因此實(shí)現(xiàn)。

2.2 應(yīng)用實(shí)踐

在遙感大數(shù)據(jù)信息挖掘技術(shù)應(yīng)用探索中，以精細(xì)化種植結(jié)構(gòu)調(diào)查為代表，研究的遙感數(shù)據(jù)從全國覆蓋多源、多分辨率影像產(chǎn)品數(shù)據(jù)庫中選取，研究中使用的高空間分辨率數(shù)據(jù)屬于ZY-3數(shù)據(jù)，該數(shù)據(jù)與全色數(shù)據(jù)的融合可達(dá)到2.1m的分辨率水準(zhǔn)，將所有數(shù)據(jù)使用高性能地理信息計(jì)算平臺(tái)進(jìn)行高精度幾何及輻射處理，并最終將處理結(jié)果轉(zhuǎn)投影至WGS84經(jīng)煒度坐標(biāo)系，即可為遙感大數(shù)據(jù)信息挖掘技術(shù)應(yīng)用奠定堅(jiān)實(shí)基礎(chǔ)。技術(shù)的具體應(yīng)用流程可概括為：“高空間分辨率地塊生成→NDVI時(shí)間序列作物物候期提取→基于決策樹的監(jiān)督分類”，其中基于決策樹的監(jiān)督分類可細(xì)分為玉米決策樹識(shí)別模型、水稻決策樹識(shí)別模型，由此即可通過作物光譜和植被指數(shù)時(shí)序構(gòu)建，實(shí)現(xiàn)有效的作物分區(qū)，作物種植模式信息提取也在NDVI時(shí)間序列支持下得以較好實(shí)現(xiàn)。結(jié)合獲得的足夠高時(shí)間分辨率、足夠高空間分辨率的影像數(shù)據(jù)，以及實(shí)現(xiàn)的自動(dòng)化、高性能海量遙感數(shù)據(jù)處理，遙感大數(shù)據(jù)信息挖掘技術(shù)的應(yīng)用價(jià)值得到了較好證明。

2.3 發(fā)展趨勢(shì)

雖然近年來國內(nèi)外在遙感大數(shù)據(jù)信息挖掘技術(shù)研究中取得了一系列成果，但遙感大數(shù)據(jù)的多類不確定性、遙感大數(shù)據(jù)的信息深度融合、遙感大數(shù)據(jù)的機(jī)器學(xué)習(xí)、遙感大數(shù)據(jù)的分析平臺(tái)仍屬于該技術(shù)在發(fā)展中必須解決的問題，遙感大數(shù)據(jù)的數(shù)據(jù)復(fù)雜性、計(jì)算復(fù)雜性、系統(tǒng)復(fù)雜性特征與這類問題的出現(xiàn)存在較為緊密聯(lián)系。因此，本文認(rèn)為未來遙感大數(shù)據(jù)信息挖掘技術(shù)的發(fā)展存在多類不確定性建模、多源信息融合、機(jī)器學(xué)習(xí)方法開發(fā)等趨勢(shì)，其中多類不確定性建模趨勢(shì)指的是遙感大數(shù)據(jù)將圍繞高維特性、數(shù)據(jù)尺度效應(yīng)、多類不確定性、非線性關(guān)系進(jìn)行建模，期望的空間數(shù)據(jù)挖掘和分析結(jié)果獲取將由此獲得有力支持；多源信息融合則需要深入研究異構(gòu)數(shù)據(jù)的決策規(guī)則、關(guān)聯(lián)分析模型、統(tǒng)一表達(dá)模型；機(jī)器學(xué)習(xí)方法開發(fā)需關(guān)注視覺基于機(jī)制驅(qū)動(dòng)的深度學(xué)習(xí)模型、基于異構(gòu)計(jì)算模式、基于任務(wù)調(diào)度優(yōu)化的模型開發(fā)，并同時(shí)開展針對(duì)性較強(qiáng)的機(jī)器學(xué)習(xí)算法，這些都將為遙感大數(shù)據(jù)信息挖掘技術(shù)的更好應(yīng)用提供有力支持[3]。

3 結(jié)論

綜上所述，遙感大數(shù)據(jù)信息挖掘技術(shù)具備較為廣闊的應(yīng)用潛力，在此基礎(chǔ)上，本文涉及的精細(xì)化種植結(jié)構(gòu)調(diào)查實(shí)踐、遙感大數(shù)據(jù)信息挖掘技術(shù)發(fā)展趨勢(shì)總結(jié)等內(nèi)容，則提供了可行性較高的遙感大數(shù)據(jù)信息挖掘技術(shù)應(yīng)用與研究路徑，而為了進(jìn)一步推動(dòng)遙感大數(shù)據(jù)信息挖掘技術(shù)的發(fā)展，基于內(nèi)容影像檢索等新概念、新技術(shù)以及新系統(tǒng)開展的相關(guān)研究也必須得到業(yè)界人士關(guān)注。