海洋空間情報大數(shù)據(jù)應用發(fā)展

萬 輝， 李華光， 朱曉華， 徐明強

(東海航海保障中心 上海海圖中心， 上海 200090)

空間地理信息技術正在飛速發(fā)展，極大程度地影響著我們的思維、生產(chǎn)和生活，如外賣點單、共享單車和無人駕駛汽車等，人們的生活習慣在變，伴隨著思維方式也在變。空間大數(shù)據(jù)也在推動海洋領域的應用變革。世界各國都在積極地投入基于海洋空間大數(shù)據(jù)的“數(shù)字海洋”“智慧海洋”建設，如美國和加拿大制定的“海王星”計劃、日本的“ARANA”計劃、非洲沿海 25 國的“非洲近海資源數(shù)據(jù)和網(wǎng)絡信息平臺”以及中國的“iOcean”平臺等。[1]

隨著多種對海觀測手段、大數(shù)據(jù)處理和計算科學關鍵技術的突破，海洋空間情報大數(shù)據(jù)的采集量呈現(xiàn)急劇增長的趨勢，數(shù)據(jù)呈現(xiàn)出多來源、多種類和多維度等特征。海洋空間情報大數(shù)據(jù)時間耦合、地理關聯(lián)性強，是具有時空關聯(lián)特征的典型大數(shù)據(jù)。海洋空間情報大數(shù)據(jù)從空間、時間和屬性層面完整地描述海洋時空地理數(shù)據(jù)的綜合現(xiàn)象，時間維記錄海洋地理現(xiàn)象的時間變化，空間維記錄海洋地理現(xiàn)象的空間變化，屬性維則記錄時空地理同業(yè)務相結合的多維關系特征。大數(shù)據(jù)特性中數(shù)據(jù)多元化和高價值是兩個重要的特性:多元化使得數(shù)據(jù)存儲、處理等環(huán)節(jié)成為海洋空間情報大數(shù)據(jù)的重點研究方向；高價值則需要從大量、復雜及多源的信息中快速提取、挖掘出潛在的價值內(nèi)容，是海洋空間情報大數(shù)據(jù)分析應用的核心方向。[2]

海洋空間數(shù)據(jù)正在從數(shù)據(jù)資料向數(shù)據(jù)資產(chǎn)轉型，帶動海洋新興產(chǎn)業(yè)的發(fā)展。各海洋相關行業(yè)和領域會產(chǎn)生富有價值的數(shù)據(jù)，如何從浩瀚的海洋數(shù)據(jù)中發(fā)掘真正的價值數(shù)據(jù)，實現(xiàn)海洋資源的價值效應，服務國家海洋的戰(zhàn)略發(fā)展迫在眉睫。從海洋空間情報大數(shù)據(jù)組成和海洋空間情報大數(shù)據(jù)關鍵技術角度展開分析研究，探索海洋空間情報大數(shù)據(jù)助力全球智能航海保障體系建設、E-航海戰(zhàn)略支撐、增強現(xiàn)實(Augmented Reality,AR)海洋環(huán)境仿真及海洋空間情報預警決策等應用，并提出未來海洋空間情報大數(shù)據(jù)發(fā)展的主要方向和關鍵問題。

1 海洋空間情報大數(shù)據(jù)組成

海洋空間情報大數(shù)據(jù)利用先進的海洋觀測技術和專業(yè)的高精度傳感器來實現(xiàn)多元化、立體化和實時化的海洋觀測數(shù)據(jù)采集；通過分類數(shù)據(jù)特征，分析數(shù)據(jù)關聯(lián)關系，利用大數(shù)據(jù)技術建立空間情報信息數(shù)據(jù)模型和服務模型，實現(xiàn)特定對象、特殊場合和典型應用的深度數(shù)據(jù)服務。海洋空間情報大數(shù)據(jù)由基礎數(shù)據(jù)空間、數(shù)據(jù)融合空間、數(shù)據(jù)服務空間等3部分組成，見圖1。[3]

圖1 海洋空間情報大數(shù)據(jù)結構示意

1) 基礎數(shù)據(jù)空間是以海洋空間地理信息數(shù)據(jù)為基礎，關聯(lián)航測遙感、海洋水文氣象、海洋資源、航行安全和船舶等多來源、多種類、多維度的業(yè)務數(shù)據(jù)而形成的海量綜合數(shù)據(jù)體。利用單波束測深、多波束測深系統(tǒng)和機載激光全覆蓋測深等水深測量技術采集海洋空間外業(yè)測繪數(shù)據(jù)，經(jīng)過專業(yè)海圖制圖軟件生成海洋空間地理信息數(shù)據(jù)產(chǎn)品；利用潮汐水文站、航海燈浮標、無線電標等承載水文氣象傳感器實現(xiàn)海洋氣象環(huán)境的動態(tài)感知；利用聲吶掃測、機載航測和衛(wèi)星遙感等手段，獲取不同角度、不同作用的海洋遙感影像數(shù)據(jù)[4]；利用船舶自動識別系統(tǒng)(Automatic Identification System，AIS)岸基、天基設施和船載AIS設備完成船舶靜態(tài)、動態(tài)信息的實時采集；采用數(shù)據(jù)接口、數(shù)據(jù)爬蟲相關技術實現(xiàn)航行安全數(shù)據(jù)的匯集。基礎數(shù)據(jù)空間采集信息見表1。

2) 特征融合利用異構數(shù)據(jù)間潛在關系，通過提取數(shù)據(jù)特征參數(shù)，識別內(nèi)容和噪聲，在特征相似性分析的基礎上，基于組合特征選擇的特征融合策略，實現(xiàn)內(nèi)容融合提取。[5]決策融合根據(jù)決策設計，從內(nèi)容、特征兩個方面歸納決策需求，結合海洋空間情報大數(shù)據(jù)環(huán)境，識別出決策融合的具體目標和問題，進而構建決策應用數(shù)據(jù)模型，實現(xiàn)數(shù)據(jù)層、語義層和服務層數(shù)據(jù)融合。[6]數(shù)據(jù)融合空間可采用特征融合、決策融合策略對海量的異源數(shù)據(jù)進行過濾、加工和處理，形成標準的結構化或定量分析數(shù)據(jù)；采用文獻[7]大數(shù)據(jù)技術對在線或離線數(shù)據(jù)進行并行融合計算，實現(xiàn)數(shù)據(jù)的深度分析應用；地圖拼接方法是從待拼接的地圖中提取局部不變特征作為配準參數(shù), 建立相應的目標函數(shù)，借助隨機抽樣一致性算法分析初始拼接參數(shù)，迭代最近點算法求解，實現(xiàn)基于圖像配準下的柵格和矢量地圖可靠、快速拼接。[8]采用像素配準、柵格拼接和矢量拼接等地圖拼接算法形成海陸一張圖服務模型，提供全球、全海域一體化地理信息數(shù)據(jù)；利用MCSVM提取數(shù)據(jù)特征，構建信息元啟發(fā)式優(yōu)化算法，實現(xiàn)信息的自動優(yōu)化、分類和定向推送服務[9]；利用線性獨立函數(shù)構造新型智能神經(jīng)元，基于智能神經(jīng)元組成廣義神經(jīng)網(wǎng)絡，實現(xiàn)更快收斂、更高精度的預測、決策服務。[10]通過采用MCSVM和智能神經(jīng)元網(wǎng)絡深度學習算法來構建海洋空間情報大數(shù)據(jù)預測、預警、分類和決策模型，實現(xiàn)對價值數(shù)據(jù)的挖掘、分析服務。

表1 基礎數(shù)據(jù)空間采集信息分類表

3) 數(shù)據(jù)服務空間提供對外部系統(tǒng)交互、溝通的渠道，通過對深度融合和算法分析后的數(shù)據(jù)產(chǎn)品進行發(fā)布或接口開放等形式，實現(xiàn)數(shù)據(jù)的共享交換服務,如基礎數(shù)據(jù)服務(基礎空間數(shù)據(jù)、屬性數(shù)據(jù))、地理信息系統(tǒng)(Geographic Information System，GIS)空間分析服務、海洋AR環(huán)境仿真服務、決策信息服務等,能接收外部系統(tǒng)推送、反饋的信息，豐富數(shù)據(jù)空間內(nèi)容，優(yōu)化數(shù)據(jù)融合產(chǎn)品。

基礎數(shù)據(jù)空間為數(shù)據(jù)融合空間提供數(shù)據(jù)源支撐，數(shù)據(jù)融合空間模型算法的計算結果的反饋信息又能反向拓展，完善基礎數(shù)據(jù)空間內(nèi)容；數(shù)據(jù)服務空間依賴數(shù)據(jù)融合空間特定的分析算法和輸出模型來對外提供服務，同時也接收外部數(shù)據(jù)來完善自身數(shù)據(jù)空間內(nèi)容。數(shù)據(jù)降噪融合支撐、衍生、優(yōu)化數(shù)據(jù)服務，數(shù)據(jù)優(yōu)化能夠帶動融合流程優(yōu)化，創(chuàng)新服務可提升數(shù)據(jù)的流動性。三者間相輔相成、互為支撐，形成一個有機的大數(shù)據(jù)服務體系。

2 海洋空間情報大數(shù)據(jù)關鍵技術

實現(xiàn)海洋空間情報大數(shù)據(jù)的深度應用，需要掌握數(shù)據(jù)降噪融合、數(shù)據(jù)挖掘分析、數(shù)據(jù)可視化和數(shù)據(jù)共享服務等核心關鍵技術。

2.1 海洋空間情報大數(shù)據(jù)降噪融合技術

海量數(shù)據(jù)的積累會帶來噪聲、異常和異構數(shù)據(jù)的增加，降噪去維和數(shù)據(jù)融合成為數(shù)據(jù)處理的關鍵。海洋空間情報大數(shù)據(jù)采用基于hadoop的分布式文件系統(tǒng)存儲，將異源、多維、復雜(結構化、半結構化和非結構化)數(shù)據(jù)轉化為標準key/value基本單元數(shù)據(jù)，存儲于就近的計算機分布式節(jié)點，便于數(shù)據(jù)的快速檢索、提取。采用布隆過濾器(Bloom Filter,BF)[11]和對稱(Symmetric Information Bottleneck,SIB)壓縮算法[12]，減少冗余數(shù)據(jù)，降低數(shù)據(jù)的體量，提升降噪融合效率；采用方差過濾、懲罰項特征選擇、樹模型特征選擇等方法來減少數(shù)據(jù)的特征數(shù)量，提升模型泛化能力，減少過擬合，增強對特征和特征值之間的理解，實現(xiàn)數(shù)據(jù)的降維去噪處理；對動態(tài)觀測數(shù)據(jù)(如雷達、全球定位系統(tǒng)(Global Positioning System,GPS)等)融合采用回歸分析和卡爾曼濾波方法，消除冗余信息，去除噪聲和異常值[13]；利用推理方法對數(shù)據(jù)空間感知的多源、異構數(shù)據(jù)進行迭代融合，提升數(shù)據(jù)融合精度、準確度。結合特定的業(yè)務需求，以證據(jù)理論為基礎，建立連接模型，實現(xiàn)數(shù)據(jù)的篩選、甄別和交互；分析海陸空間數(shù)據(jù)結構，建立海陸空間數(shù)據(jù)關聯(lián)模型，結合相應的空間邊界特征融合、柵格和矢量拼接算法，實現(xiàn)海陸空間數(shù)據(jù)一體化融合。

2.2 海洋空間情報大數(shù)據(jù)挖掘分析技術

海洋情報大數(shù)據(jù)挖掘分析包括海量數(shù)據(jù)離線計算、在線分析和空間分析等。采用Elastic Search檢索、MapReduce編程模型，實現(xiàn)離線數(shù)據(jù)的數(shù)據(jù)讀取、容錯、分布和負載均衡的并行計算。MapReduce將數(shù)據(jù)按映射、清洗(Shuffle)、化減(Reduce)等3個階段進行執(zhí)行，目的是分解任務到各節(jié)點，可通過大量機器進行并行計算，減少整個操作的時間。采用Spark Streaming方法實現(xiàn)基于內(nèi)存的分布式計算，通過DataFrame將數(shù)據(jù)保存為行的集合，對應行中的各列都被命名，非常方便地查詢、繪制和過濾實時流數(shù)據(jù)；通過Spark Graphx方法實現(xiàn)實時圖流的計算能力。[14]整個Spark函數(shù)生態(tài)具備快速、便捷地實現(xiàn)在線數(shù)據(jù)的處理、分析和輸出能力。ArcGIS GeoEvent可對接入的流數(shù)據(jù)進行實時處理和分析，包括過濾、閾值監(jiān)控、拓撲運算、地理圍欄、字段計算、緩沖分析和投影轉換等處理。實時數(shù)據(jù)接入之后，可輸出為ArcGIS的要素服務、流服務、實時動態(tài)聚合的要素服務等，可文本、短信、郵件等方式提醒輸出，也可是Web Socket、CSV等本地文件或者是HDFS等分布式文件系統(tǒng)輸出。

2.3 海洋空間情報大數(shù)據(jù)可視化技術

利用科學可視化技術展示海洋空間情報數(shù)據(jù)，能夠從感知到認知上利用可視化分析技術挖掘時空數(shù)據(jù)規(guī)律。[1]基于Java平臺的Pentaho大數(shù)據(jù)可視化技術，可實現(xiàn)統(tǒng)計報表，分析圖表數(shù)據(jù)集成、數(shù)據(jù)挖掘等顯示，可接入亞馬遜Web服務(Amazon Web Services,AWS)、企業(yè)高性能分析服務、Hadoop等海量數(shù)據(jù)模型，實現(xiàn)海量數(shù)據(jù)的圖表化、在線統(tǒng)計和實時更新顯示?？臻g可視化表達分為相對量化的、抽象的、離散的、連續(xù)的等類別，主要的方式有散點、熱力、氣泡、分組散點、立體柱狀、立體熱力、道路密度分級渲染、道路熱力渲染、飛線、靜態(tài)線、動態(tài)網(wǎng)格密度、蜂窩網(wǎng)格密度等。文獻[15]是基于Javascript的Web圖形可視化技術，將基礎地圖模型、可視化組件和Leaflet、OpenLayers、MapboxGL地圖庫進行集成、融合，能夠實現(xiàn)上述空間圖表的可視化展現(xiàn)?；贓Charts粒子動畫技術，利用大氣環(huán)流的數(shù)值預報模型，如歐洲中期天氣預報中心數(shù)值預報、美國國家環(huán)境預報中心全球預報[16]，實現(xiàn)風、雨、雷、電、云、霧、氣壓、溫度、濕度、能見度、涌浪、海浪、洋流等海洋氣象環(huán)境的動態(tài)仿真、疊加顯示?；陔娮雍D，利用OpenGL、Vega等比較成熟的三維圖形開發(fā)軟件，實現(xiàn)海洋表面、海底地形和實體模型的仿真建模，形象、直觀地模擬海洋動態(tài)場景[17]，從感知到認知海洋空間情報大數(shù)據(jù)的價值。

2.4 海洋空間情報大數(shù)據(jù)共享服務技術

海洋空間情報大數(shù)據(jù)最終的價值體現(xiàn)在挖掘分析的結果數(shù)據(jù)對外共享服務上，它包括離線數(shù)據(jù)、實時數(shù)據(jù)、聯(lián)機分析處理(Online Analytical Processing,OLAP)、即席查詢和自定義接口開發(fā)。

離線數(shù)據(jù)采用Sqoop,DataX等大數(shù)據(jù)同步工具實現(xiàn)離線數(shù)據(jù)的共享交換。實時數(shù)據(jù)如運載貨物的船舶實時推薦，需要實時從情報大數(shù)據(jù)中獲取在港船舶、運載能力、貨物情況等信息，并進行實時的綜合計算，將結果作為推薦數(shù)據(jù)進行輸出?？刹捎肏Base、MongoDB、Redis等No Sql數(shù)據(jù)庫集群實現(xiàn)低延時和高時效的數(shù)據(jù)請求。OLAP分析通過建立規(guī)范的數(shù)據(jù)模型，采用文獻[18]、文獻[13]等查詢技術來實現(xiàn)數(shù)據(jù)查詢的快速響應。即席查詢由于無法建立通用的數(shù)據(jù)模型，采用分布式SQL查詢引擎Presto實現(xiàn)隨機快速查詢。

除了利用查詢模型、框架技術外，還可采用Webservice、Rest、Http等接口技術開發(fā)自定義數(shù)據(jù)接口，用來對內(nèi)外提供數(shù)據(jù)存儲、更新、查詢服務，提升數(shù)據(jù)接口的靈活性，同時確保數(shù)據(jù)訪問的安全性、穩(wěn)定性、可靠性和高可用性。

3 海洋空間情報大數(shù)據(jù)應用服務探索

3.1 基于一張圖的全球智能航海保障服務

基于海洋空間情報大數(shù)據(jù)的全球海圖、矢量地圖和航測遙感等基礎空間數(shù)據(jù)，利用GIS數(shù)據(jù)柵格和矢量拼接算法、數(shù)據(jù)切片、機器學習和OGC共享接口技術，建立全球智能航海保障一張圖服務。一張圖服務采用統(tǒng)一、標準、開放、共享的頂層架構進行設計，避免相關服務系統(tǒng)的重復建設，提供從矢量到瓦片、從陸地到海洋、從近海到全球海域的一體化智能空間數(shù)據(jù)服務。構建從遠海到近岸層級遞進的立體導助航數(shù)據(jù)智能服務網(wǎng)絡，實現(xiàn)通航水域全面覆蓋的導助航分級服務；實現(xiàn)全球航海安全信息整合應用，引領指導交通測繪行業(yè)協(xié)調發(fā)展，航路測繪全域覆蓋，確保中遠海測繪保障能力；實現(xiàn)主權水域全面覆蓋和全球重點水域通信信息適當覆蓋的多元航海保障安全信息智能服務。

3.2 E-航海戰(zhàn)略支撐應用

海洋空間情報大數(shù)據(jù)收集了海洋空間、海洋水文氣象、航行安全、船舶、岸基等海上各類綜合信息，進行融合加工、分析處理，結合船舶用戶實際需求，形成特定的海事服務集(Maritime Serrice Protfolios,MSP)，能夠為E-航海戰(zhàn)略執(zhí)行提供重要的數(shù)據(jù)支撐服務。

1) 一張圖服務疊加船舶動態(tài)應用能夠降低未知航路對船舶航行的影響，增強船舶泊位到泊位的全程航行能力。

2) 海事安全信息的智能分類推送能夠轉變海事管理部門的工作方式(監(jiān)管即服務)，增強海上信息服務、安全和保安能力。

3) 融合豐富的海洋氣象水文、環(huán)境資源數(shù)據(jù)，進行時空環(huán)境模擬、反演、跟蹤，準確掌握海況和資源分布，提升海洋環(huán)境資源的保護能力。

4) 標準數(shù)據(jù)共享接口實現(xiàn)船到船、船到岸、岸到船、岸到岸和岸到其他平臺間的數(shù)據(jù)交換，最終促進實現(xiàn)對船舶增強服務和對用戶按需服務的E-航海目標。[19]

3.3 AR海洋環(huán)境仿真應用服務

依托海洋基礎空間數(shù)據(jù)、遙感影像數(shù)據(jù)、數(shù)字高程模型(Digital Elevation Model, DEM)數(shù)據(jù)、電子海圖和實時海洋氣象、船舶動態(tài)數(shù)據(jù)，利用異源數(shù)據(jù)降噪融合技術、空間地物AR仿真技術，建立多維海洋環(huán)境交互仿真模型，形成全球海洋三維數(shù)字地球，為用戶提供直觀的海洋環(huán)境仿真服務。二維海圖和三維影像分屏聯(lián)動顯示，集成關聯(lián)海洋全要素(港口、碼頭、水深、島礁、沉船、航標、管線、油氣平臺等)仿真模型，結合AR穿戴設備、船舶動態(tài)模型，為船員提供更加直觀、形象的船舶航行態(tài)勢，輔助船員分析和預判復雜海洋環(huán)境條件下的船舶航行安全，確保用戶在不熟悉的水域、狹窄水道等區(qū)域的航行、靠泊安全。[20]融合實時海洋環(huán)境動態(tài)模型，實現(xiàn)海洋生態(tài)、資源、環(huán)境的跨時空、全方位、多角度動態(tài)監(jiān)控，及時掌握海洋生態(tài)資源分布，變化情況；實現(xiàn)大中尺度的海洋和大氣現(xiàn)象的快速診斷，掌控海洋氣象動態(tài)，保障海上業(yè)務工作的正常開展。集成高分遙感數(shù)據(jù)，綜合利用軍民數(shù)據(jù)、技術、經(jīng)驗，建立高分辨率的海洋三維環(huán)境視場，開展在海岸地形建模、水深反演、海戰(zhàn)場環(huán)境仿真等應用；結合交通戰(zhàn)備、軍工科技、民用服務等信息開展綜合性數(shù)據(jù)挖掘，形成軍民融合科技互補，協(xié)同發(fā)展。[21]

3.4 海洋空間情報預警決策服務

利用自然語言處理、大數(shù)據(jù)分析、可視化和人工智能等技術，促使海洋空間情報大數(shù)據(jù)與周邊數(shù)據(jù)發(fā)生碰撞與聚核，形成價值綜合數(shù)據(jù)，通過建立專業(yè)化的數(shù)據(jù)預警、決策模型，化繁為簡，讓大數(shù)據(jù)預警決策自動化、智能化的服務海洋產(chǎn)業(yè)，使管理者在戰(zhàn)略遠見與問題洞察方面獲得強力支撐。

1) 結合海洋空間情報數(shù)據(jù)關聯(lián)關系、時間軸、問題特征等因素，建立風險識別模型，提煉出風險預警指標，對存在的風險發(fā)出預警并及時提醒，如通過對船舶動態(tài)關聯(lián)數(shù)據(jù)進行分析來發(fā)現(xiàn)船舶航行過程的安全隱患并及時告之安全人員，達到事故前解決問題的目的。

2) 結合海洋空間信息、氣象信息實現(xiàn)對危險區(qū)域預警、障礙物預警、海況預警等；立足于縱向時間軸，積累對頻繁問題的判斷，擬合事件發(fā)展趨勢，形成決策指導，通過相關數(shù)據(jù)的聯(lián)動，形成基于數(shù)據(jù)和分析之上的決策與結論，如通過航標數(shù)據(jù)與船舶動態(tài)的空間聯(lián)動可形成航標優(yōu)化配布的決策。

3) 深度結合海洋經(jīng)濟、海洋環(huán)境和航行安全等信息，還能實現(xiàn)對海洋經(jīng)濟發(fā)展、海洋生態(tài)演化、海洋氣象監(jiān)測和預報、航行安全保障等各業(yè)務領域的分類、聚類、預測和推算等決策服務。區(qū)別于傳統(tǒng)的基于經(jīng)驗的預警決策模式，海洋空間情報預警決策服務使管理者能夠做出更加客觀、智能、準確的評價，服務更加可靠。

4 結束語

海洋空間情報大數(shù)據(jù)未來將持續(xù)聚焦于海洋發(fā)展主題，以國家發(fā)展戰(zhàn)略為出發(fā)點，于新興大數(shù)據(jù)科技、質量、應用和安全角度深耕細作，突破大數(shù)據(jù)相關技術難點，確保海洋空間情報大數(shù)據(jù)的正態(tài)高速發(fā)展，帶動海洋數(shù)據(jù)科學、產(chǎn)業(yè)的大發(fā)展。

1) 智能機器學習引領大數(shù)據(jù)分析技術發(fā)展。傳統(tǒng)的大數(shù)據(jù)在處理(Trilion Byte,TB)級以上復雜數(shù)據(jù)的效率較低，數(shù)據(jù)分析精度難以隨著數(shù)據(jù)量提升而得到有效改進。以機器學習等新興技術為代表的大數(shù)據(jù)分析技術采用先進的人工智能、機器學習技術，具有自行識別、自動處理、分布存儲和高度容錯等特性，非常適合處理非線性、模糊、不完整、不嚴密的知識和數(shù)據(jù)。機器學習算法隨著大數(shù)據(jù)樣本數(shù)據(jù)量的不斷累積，其自身通過不斷的自我學習，其預測分析能力、準確度、效率都會得到顯著提升,隨著機器學習算法的不斷豐富、完善和成熟，將十分適合解決非結構化或半結構化大數(shù)據(jù)迭代挖掘分析問題，引領大數(shù)據(jù)前沿分析技術的發(fā)展。

2) 數(shù)據(jù)質量管理是大數(shù)據(jù)分析的關鍵。海量數(shù)據(jù)帶來數(shù)據(jù)冗余、數(shù)據(jù)錯誤、數(shù)據(jù)結構復雜和計算困難等問題。研究一種可執(zhí)行的數(shù)據(jù)質量管理制度，建立數(shù)據(jù)質量指標體系，定期開展評估與監(jiān)控，對不合格數(shù)據(jù)，進行常態(tài)的數(shù)據(jù)清洗、數(shù)據(jù)修正，多方位優(yōu)化改進，為大數(shù)據(jù)系統(tǒng)提供高質量的數(shù)據(jù)支持。[22]

3) 萬物智聯(lián)應用產(chǎn)業(yè)大發(fā)展。海上萬物智聯(lián)的物聯(lián)網(wǎng)時代來臨，分析海上工業(yè)互聯(lián)網(wǎng)發(fā)展、航運物流效能提升等需求，深度結合海洋空間情報大數(shù)據(jù)的數(shù)據(jù)、技術資源，利用云計算、大數(shù)據(jù)與互聯(lián)網(wǎng)融合技術，促進海洋科技成果落地轉化，推進智慧海洋、智能航運等新興產(chǎn)業(yè)發(fā)展，促進航運經(jīng)濟發(fā)展。

4) 強化海洋空間情報大數(shù)據(jù)安全管理。海洋空間情報大數(shù)據(jù)的發(fā)展需要確保敏感信息傳輸與應用的安全性。通過頂層設計大數(shù)據(jù)安全管理體系，采用風險辨識、脆弱性防控、風險溝通、風險管理和風險問責機制的風險治理流程，構建大數(shù)據(jù)安全防御體系，防范與化解數(shù)據(jù)安全風險。[23]

海洋空間情報大數(shù)據(jù)將緊跟科技步伐，圍繞海洋強國戰(zhàn)略，構建全球智能航海保障體系，深入探索天、地、海時空一體統(tǒng)籌發(fā)展，實踐“一帶一路”“長三角一體化”“軍民融合”“極地開發(fā)”等項目[24]，不斷提升技術與服務能力，力爭成為國家戰(zhàn)略執(zhí)行中不可或缺的數(shù)據(jù)、技術保障力量。