遙感大數據自動分析與數據挖掘研究

和樹繁

摘 要：隨著現代科技的快速發(fā)展，自動化和信息化成為技術應用的主要特征，遙感技術作為大數據背景下獲取數據資源的重要途徑，其在社會經濟發(fā)展中的應用也越來越廣泛。隨著遙感技術的不斷創(chuàng)新，其獲取的數據在規(guī)模上不斷擴大，在類型上逐漸多元，而這必然會對大數據的自動分析與挖掘提出更高的要求?；诖?，本文從遙感大數據的內容出發(fā)，對數據自動分析和挖掘技術進行簡要分析，以探索我國遙感大數據的發(fā)展方向。

關鍵詞：遙感大數據；自動分析；數據挖掘

1 遙感大數據

近年來在計算機技術和網絡技術不斷深入發(fā)展的背景下，在虛擬空間中生成的數據規(guī)模也不斷擴大，社交平臺、 搜索引擎、電商平臺、移動 APP、安全監(jiān)控、衛(wèi)星檢測等系統都在不停地產生數據，據國際數據咨詢公司預測，到 2020 年全球數據總量將達到40ZB，這一龐大的數據規(guī)模是難以想象的，而其中蘊藏的應用價值也是不可估量的。

遙感大數據是大數據資源的重要構成，隨著人類探索空間的拓展，利用衛(wèi)星技術實現對地觀測已經成為資源探索、城市規(guī)劃、地形觀測等工作的必然要求，利用遙感衛(wèi)星技術實現對數據的生成與收集則是遙感大數據形成的關鍵。與普通的大數據特征一致，遙感大數據包括衛(wèi)星在對地觀測中形成的不同成像方式、不同波段和分辨率的數據信息，這些信息絕大部分并不具備單一的分析價值，但是在數據達到一定規(guī)模后，其分析價值也會呈基數增長。

從目前我國遙感大數據的自動分析與挖掘情況來看，其數據應用技術的發(fā)展難以與數據生成規(guī)模相符。例如傳感器的設計依然停留在單一階段，缺乏對多元遙感數據的篩選與判斷，從數據到數據的傳播，使得大數據的知識內容十分稀薄，同時不斷擴大的數據規(guī)模，浪費了一定的存儲空間，影響了數據的開發(fā)與運用。

在大數據分析中，數據的應用價值不僅僅在于規(guī)模大，還在于類型全，對于遙感大數據而言，高密度、多時相、全方位、多層次的數據類型能夠全面反映隱藏在數據背后的地理學、社會學、管理學等信息，而對這些深層次信息的挖掘，就是遙感大數據自動分析技術與挖掘技術突破瓶頸，實現科學研究應用價值的關鍵。

2 遙感大數據自動分析

自動分析是遙感大數據進行挖掘、實現數據向知識轉化的前提，因此，建立統一、緊湊、語義清晰的自動分析系統，能夠為后續(xù)的遙感大數據挖掘與利用打好基礎。遙感大數據自動分析系統的構建可以從以下幾個方面分析：

第一，數據表達。隨著遙感技術的發(fā)展，在數據生成中，其包含的語義信息更加豐富而多元，傳統的數據表達方式已經難以實現對遙感大數據的準確解讀，因此，在數據自動生成系統構建中，技術人員應做好表達方式的設計。例如在地理觀測中，技術人員可以高內聚同意地理位置在不同粒度、不同方位、不同時相在不同觀測空間的投影，來對已經生成的遙感大數據進行表達，進而為地理學研究提供光譜、紋理、結構等方面信息，提高遙感數據分析在地理檢測中的

作用。

第二，數據檢索。網絡化與集成化是遙感大數據發(fā)展的必然趨勢，利用互聯網技術實現對遙感大數據的整合與利用，并通過檢索功能為用戶提供針對性信息則是數據挖掘的基本目標。例如在當前城市規(guī)劃中，遙感大數據已經應用到行政區(qū)域劃分、交通網絡構建、水分信息觀測、空氣質量監(jiān)測等方面；用戶通過登錄界面，能夠根據關鍵詞觸發(fā)檢索系統，而在智能檢索中，系統利用圖片、文字信息，對相似性的數據內容進行對比，并反饋到用戶檢索頁面，進而生成可視性的數據模型，提高遙感大數據自動分析價值。

第三，數據理解。在實現遙感大數據向具體知識轉化的過程中，語義理解上的鴻溝需要彌合，目前在遙感大數據的自動分析過程中，數據尤其是底層數據與知識生成之間幾乎是“風馬牛不相及”，這使得數據挖掘中目標識別難以實現，知識的形成自然受到限制。針對此，在遙感大數據的理解系統構建中，技術人員一方面要將數據特征、分析目標、識別場景等信息進行一體化處理，以強化遙感大數據的語義理解；另一方面還要做好多元數據分析，基于多途徑、多場景、多尺度的原則實現多元語義的輸出。

第四，數據云系統。在遙感大數據應用中，基于數據系統建立的云服務平臺，能夠為用戶提供一體化的地球空間服務資源，例如我們日常生活中常用的電子地圖，就是基于遙感大數據形成的云平臺，用戶可以直接定位地點，而遙感技術通過對地觀測數據系統生成相關的地理數據，并完成GPS定位、導航等服務。

3 遙感大數據的挖掘

數據挖掘就是指利用科學嚴謹的算法，從大量數據中搜索隱藏于其中的信息的過程。在遙感大數據挖據中，技術人員可以利用C4.5、 K-means、SVM、Apriori、EM等算法，對其中的信息價值進行呈現，并從廣義上實現對數據的綜合挖掘與利用。具體來講，遙感大數據的挖掘可以從以下幾個方面入手：

第一，遙感大數據的挖掘過程。相較于大數據的自動分析系統構建，數據挖掘的難度更大，其智能性也更加凸顯。在遙感大數據的挖掘中，其基本的過程包括：數據的存儲與獲取，即利用遙感技術實現對數據的廣泛獲??；數據的處理與分析，利用自動生成系統，并通過篩選形成數據庫，對數據庫中的信息進行分門別類處理，并根據信息的重要性權重；數據挖掘，即利用相關的運算規(guī)則對數據的潛在價值進行挖掘；可視化呈現，即將數據挖掘結果生成可視化模型，以便于數據理解與利用；數據融合，即將數據信息與知識內容相融合，形成理論體系，以指導社會經濟生活中的實踐活動。

第二，遙感大數據的綜合開發(fā)。遙感大數據是地物在遙感成像傳感器下的多粒度、多方位和多層次的全面反映。在遙感大數據的綜合開發(fā)中，一是能夠實現與GIS數據等其他空間大數據的溝通與互補；二是能夠利用非接觸式的成像數據，實現綜合信息挖掘，并揭示更多的地球知識和變化規(guī)律；三是能夠利用非接觸式的成像數據，實現綜合信息挖掘，更好地協調人與自然的關系。比如在長江流域生態(tài)治理工作中水利部門基于天地傳感網建立空天地觀測平臺，對21座水庫群、8000個站點進行數據動態(tài)聚合分析，完成實時制圖、共享服務等功能，這為蓄水防洪、巷道管理等工作提供了強大的支撐，通過數據應用，相關部門每7天發(fā)布一次淺水航道尺度，航標異常的發(fā)現時間限制在10分鐘，恢復時間為2小時內，每小時通過遙感進行一次水位測報，這大大提高了長江流域生態(tài)管理的主動性。再者，近年來，在智能城市建設中，遙感技術的應用越來越廣泛，根據調查報告顯示：2016 年我國視頻監(jiān)控市場規(guī)模達到 1687.20 億元，其中視頻監(jiān)控產品市場規(guī)模達到 673.48 億元。視頻監(jiān)控系統的建設讓智能城市構建實現可視化，由此，相關部門就能夠通過對遙感大數據的挖掘實現對城市的科學規(guī)劃與設計。

第三，遙感大數據的潛在挖掘價值。遙感大數據并不僅限于對地觀測信息，其在數據生成中形成的關聯信息，同樣具備挖掘價值，雖然有些數據挖掘后形成的知識內容與遙感技術的應用領域并不直接相關，但是從整體社會發(fā)展進程來看，其利用價值也是不可忽視的。比如，利用相關衛(wèi)星數據繪制夜光趨勢圖，能夠分析全球夜光波動指數，并從中發(fā)現每年夜光波動程度與全球武裝沖突數量的相關度，這對于分析全球政治局勢，在政治、經濟、軍事等方面做出相應的政策調整也是具有指導意義的。再如，通過對比1995-2013年“一帶一路”沿線的DMSP夜光遙感影像數據可以揭示不同區(qū)域城市化和經濟增長規(guī)律，其中1995年夜間燈光總量排量前20的國家有俄羅斯、中國、印度、法國等，其數據分別為7.00E+08、3.50E+08、3.00E+08、2.00E+08；而到了2013年，夜間燈光總量整體增加，中國與俄羅斯并列第一，總量為9.10E+08；此外，在夜間燈光動態(tài)分析中，柬埔寨、阿富汗、老撾等國增長比例明顯，為1000%、550%、500%等，由此可以看出中國、東南亞等國在“一帶一路”的帶動下城市化與經濟發(fā)展呈現了較快增長趨勢。

4 結語與展望

當前，大數據已經成為社會生產生活中至關重要的資源，隨著我國衛(wèi)星遙感技術的發(fā)展，在對地觀測中，遙感大數據在廣度與深度上也會獲得新的發(fā)展空間。但是，利用衛(wèi)星遙感技術的發(fā)展只是實現遙感大數據收集的第一步，要想實現數據的自動分析與深度挖掘，我們還有很長的路要走?；诖?，在未來遙感技術研究中，我們應利用大數據思維，將技術研究的實踐重點放在技術分析與數據挖掘方面，提高遙感大數據在地形分析、資源探究、生態(tài)監(jiān)測、產業(yè)發(fā)展城市規(guī)劃等方面的應用價值，以全面體現大數據應用在現代社會發(fā)展中的作用。

參考文獻：

[1]李安安.遙感大數據自動分析與數據挖掘[J].信息系統工程，2017（06）：114-115.

[2]胡曉東，張新，屈靖生.大數據架構的遙感資源存儲管理方法[J].地球信息科學學報，2016，18（05）：681-689.

[3]李德仁，張良培，夏桂松.遙感大數據自動分析與數據挖掘[J].測繪學報，2014，43（12）：1211-1216.

[4]朱建章，石強，陳鳳娥，史曉丹，董澤民，秦前清.遙感大數據研究現狀與發(fā)展趨勢[J].中國圖象圖形學報，2016（11）：1425-1439.

[5]張超，李昆，張鑫.遙感大數據關鍵技術發(fā)展研究綜述[J].科技創(chuàng)新導報，2017（21）：145+147.

[6]李德仁，王樹良，李德毅.空間數據挖掘理論與應用[M].北京：科學出版社，2006.