基于大数据的遥感数据质量管理探索
遥感与大数据
遥感与大数据概述：遥感与大数据是一种结合了遥感技术和大数据分析的方法，可以用于地球观测、环境监测、资源管理等领域。
本文将详细介绍遥感与大数据的概念、应用领域、技术原理和未来发展趋势。
一、概念：遥感是指利用卫星、飞机等遥感平台获取地球表面信息的技术。
大数据是指海量、高速、多样的数据集合。
遥感与大数据结合，意味着利用遥感技术获取的海量地球观测数据进行分析和应用。
二、应用领域：1. 环境监测：遥感与大数据可以用于监测全球气候变化、空气质量、水资源利用等环境问题。
通过分析遥感数据，可以实时监测并预测自然灾害，提供环境保护决策的科学依据。
2. 农业与林业：利用遥感与大数据技术，可以对农作物生长状况、土壤水分状况、森林覆盖度等进行监测和评估。
这些信息可以帮助农民和林业管理者做出农作物种植和森林管理的决策，提高农业和林业生产效率。
3. 城市规划：遥感与大数据可以用于城市土地利用规划、交通规划、城市扩张监测等方面。
通过分析遥感数据和大数据，可以了解城市的发展趋势，优化城市规划，提升城市的可持续发展能力。
4. 资源管理：遥感与大数据可以用于矿产资源勘探、水资源管理、能源开发等方面。
通过分析遥感数据和大数据，可以准确评估资源储量、优化资源开发方式，实现资源的可持续利用。
三、技术原理：1. 遥感数据获取：遥感数据可以通过卫星、飞机、无人机等遥感平台获取。
这些平台搭载了各种传感器，可以获取地球表面的光学、热红外、雷达等数据。
2. 遥感数据处理：遥感数据处理包括数据预处理、图像解译、特征提取等步骤。
数据预处理主要包括辐射校正、大气校正等，以消除遥感数据中的噪声和干扰。
图像解译是将遥感图像转化为可理解的信息，如土地覆盖类型、植被指数等。
特征提取是从遥感图像中提取有用的特征，如纹理、形状、光谱等。
3. 大数据分析：大数据分析包括数据存储、数据清洗、数据挖掘等步骤。
数据存储主要利用分布式数据库和云计算平台进行存储和管理。
数据清洗是对原始数据进行去噪、去重、补全等处理，以保证数据质量。
遥感数据的管理制度
遥感数据的管理制度引言随着遥感技术的快速发展，遥感数据的获取、处理、应用在各个领域得到了广泛的应用。
遥感数据是多源多元的，其规模庞大、种类繁多，如何有效管理这些数据成为了一个迫切的问题。
建立科学合理的遥感数据管理制度，对于提高遥感数据的利用效率、推动遥感技术的发展具有重要意义。
本文将探讨遥感数据管理制度的建立和实施，以帮助相关部门和单位更好地管理遥感数据资源。
一、遥感数据的特点1. 多源性：遥感数据来源多样，包括卫星遥感、航空遥感、地面遥感等多种形式，每种形式又涵盖了多个观测参数，数据种类繁多。
2. 大数据量：由于遥感数据一般都是以像素为单位的大规模数据，处理遥感数据需要大量的计算和存储资源。
3. 多样性：遥感数据包括多光谱、高光谱、合成孔径雷达、激光雷达等多种类型，每种类型的数据又有不同的处理方式和应用场景。
4. 实时性：随着卫星技术的发展，很多卫星都能够提供实时或准实时的遥感数据，这就要求数据管理系统要能够处理高频率、大容量的数据流。
二、遥感数据管理的目标1. 实现数据共享：遥感数据管理制度的一个重要目标是实现数据的共享和交换，避免重复采集和处理数据，提高数据的利用效率。
2. 确保数据的安全性：遥感数据包含着重要的地理信息，为了保护国家和个人的信息安全，必须建立安全可靠的数据管理系统。
3. 提高数据利用效率：通过建立科学合理的数据管理制度，可以提高遥感数据的利用效率，促进遥感技术的应用推广。
4. 规范数据使用行为：遥感数据的使用涉及到多个利益主体，要建立规范的数据使用行为，避免数据滥用和侵权行为的发生。
三、遥感数据管理制度的建立1. 统一管理机构：建立统一的遥感数据管理机构，负责遥感数据的采集、处理、存储、传输和应用，协调各个部门和单位之间的数据管理工作。
2. 制定数据管理规范：制定遥感数据管理规范，明确数据的归属、使用权限、安全保障措施等内容，保障数据的安全性和合法性。
3. 建立数据存储和传输系统：建立高效安全的数据存储和传输系统，包括数据中心、云存储、数据备份等设施，确保数据的完整性和可靠性。
遥感与大数据
遥感与大数据简介：遥感与大数据是指利用遥感技术获取的大量数据，并通过大数据分析方法进行处理和分析的一种综合应用。
遥感技术通过卫星、飞机等平台获取地球表面的各种信息，包括地形、气象、植被、土地利用等，形成大量的遥感数据。
大数据分析方法可以对这些数据进行存储、处理和分析，从而提取出实用的信息，为决策提供科学依据。
一、遥感数据获取1. 遥感平台：卫星、飞机、无人机等。
2. 遥感传感器：光学传感器、雷达传感器、微波传感器等。
3. 遥感数据类型：地形数据、气象数据、植被数据、土地利用数据等。
4. 遥感数据获取流程：数据采集、数据传输、数据预处理。
二、大数据分析方法1. 数据存储：建立大数据存储系统，包括数据仓库、数据库、分布式文件系统等。
2. 数据处理：数据清洗、数据融合、数据转换等预处理工作。
3. 数据分析：数据挖掘、机器学习、统计分析等方法，提取实用信息。
4. 数据可视化：利用图表、地图等方式展示分析结果，便于理解和决策。
三、遥感与大数据应用案例1. 环境监测：利用遥感数据监测大气污染、水质变化、土壤退化等环境问题。
2. 农业管理：通过遥感数据分析，提供农作物生长状况、土壤湿度等信息，指导农业生产。
3. 城市规划：利用遥感数据获取城市土地利用、交通流量等信息，辅助城市规划决策。
4. 自然灾害监测：利用遥感数据监测地震、洪水、火灾等自然灾害，及时预警和救援。
四、遥感与大数据的优势1. 高效快捷：遥感技术可以远程获取大量数据，大数据分析方法可以高效处理这些数据。
2. 全面准确：遥感数据可以提供全面的地球表面信息，大数据分析可以准确提取实用信息。
3. 实时监测：遥感数据可以实时更新，大数据分析可以对数据进行实时处理和监测。
4. 智能决策：遥感与大数据相结合，可以为决策提供科学依据，提高决策的智能化水平。
五、遥感与大数据的挑战与展望1. 数据质量：遥感数据的质量对大数据分析结果影响较大，需要解决数据质量问题。
遥感与大数据
遥感与大数据遥感与大数据是一种结合遥感技术和大数据分析的方法，用于获取、处理和分析地球表面的信息。
遥感是通过卫星、飞机或无人机等载体获取地球表面的图像和数据，而大数据则是指海量、多样化的数据集合。
通过将遥感数据与大数据分析技术相结合，可以更好地理解地球表面的变化和趋势，为环境监测、资源管理、城市规划等领域提供决策支持。
一、遥感数据获取1. 遥感数据源：遥感数据可以来自卫星、飞机、无人机等载体，也可以来自传感器、摄像机等设备。
2. 数据获取技术：遥感数据获取技术包括光学遥感、雷达遥感、红外遥感等不同的传感技术。
3. 数据处理：对获取的遥感数据进行预处理，包括辐射校正、大气校正、几何校正等步骤。
二、大数据分析1. 数据存储与管理：建立适当的数据存储和管理系统，包括数据仓库、数据湖等，确保数据的安全和可靠性。
2. 数据清洗与整合：对海量的遥感数据进行清洗和整合，消除数据中的噪声和冗余信息。
3. 数据挖掘与分析：运用机器学习、人工智能等技术对遥感数据进行挖掘和分析，提取有用的信息和模式。
4. 数据可视化：将分析结果以图表、地图等形式进行可视化展示，帮助用户更好地理解和应用数据。
三、遥感与大数据应用1. 环境监测：通过遥感和大数据分析技术，可以对气候变化、土地利用、植被覆盖等环境指标进行监测和评估。
2. 资源管理：利用遥感和大数据分析技术，可以对水资源、森林资源、矿产资源等进行精细化管理和监测。
3. 城市规划：通过遥感和大数据分析技术，可以对城市的土地利用、交通拥堵、人口分布等进行分析和规划。
4. 灾害预警：利用遥感和大数据分析技术，可以对地震、洪水、火灾等灾害进行实时监测和预警。
四、遥感与大数据的优势1. 高时空分辨率：遥感数据具有高时空分辨率的特点，可以提供更精细的地表信息。
2. 大数据处理能力：大数据分析技术可以处理海量的遥感数据，挖掘出其中的有用信息。
3. 实时监测：遥感数据可以实时获取地球表面的信息，为实时监测和预警提供支持。
遥感与大数据
遥感与大数据概述：遥感与大数据是指利用遥感技术获取地球表面信息，并结合大数据分析方法进行数据处理和应用的一种技术手段。
遥感数据是通过卫星、飞机、无人机等平台获取的地球表面的电磁波辐射信息，可以获取到地表的地理、环境、气候等多种信息。
大数据分析方法可以对遥感数据进行处理、分析和应用，匡助人们更好地理解地球表面的变化和趋势。
一、遥感数据获取1. 卫星遥感数据卫星遥感是通过卫星搭载的传感器对地球表面进行观测和采集数据。
常见的卫星遥感数据包括高分辨率影像、多光谱影像、雷达影像等。
其中，高分辨率影像可以提供细节丰富的地表信息，多光谱影像可以获取地表的植被覆盖、土地利用等信息，雷达影像可以穿透云层和植被进行地表观测。
2. 飞机遥感数据飞机遥感是利用飞机搭载的传感器对地表进行观测和采集数据。
相比于卫星遥感，飞机遥感可以提供更高分辨率的影像数据，适合于需要更精细地表信息的应用领域。
飞机遥感常用于城市规划、土地利用、环境监测等领域。
3. 无人机遥感数据无人机遥感是利用无人机搭载的传感器对地表进行观测和采集数据。
无人机具有灵便性高、成本低、数据获取效率高等优势，适合于小范围、高分辨率的地表观测。
无人机遥感常用于农业监测、灾害评估、生态环境监测等领域。
二、遥感与大数据分析1. 数据预处理遥感数据预处理是指对原始遥感数据进行校正、去噪、辐射校正等处理，以提高数据质量和准确性。
常见的遥感数据预处理方法包括大气校正、几何校正、辐射校正等。
2. 特征提取遥感数据特征提取是指从遥感数据中提取出具有代表性的特征信息，以便进行进一步的分析和应用。
常见的遥感数据特征包括植被指数、土地利用类型、地表温度等。
3. 数据分析与建模遥感数据分析与建模是指利用大数据分析方法对遥感数据进行处理和分析，以获得地表变化趋势、环境监测等信息。
常见的遥感数据分析方法包括聚类分析、分类与识别、时空分析等。
三、遥感与大数据应用1. 地质勘探遥感与大数据在地质勘探中可以提供地表地貌、岩性、构造等信息，匡助找寻矿产资源和油气田。
大数据分析在遥感图像处理中的应用
大数据分析在遥感图像处理中的应用随着遥感技术和大数据技术的快速发展，大数据分析逐渐在遥感图像处理中发挥越来越重要的作用。
遥感图像处理是指通过获取和处理遥感图像数据来提取地表信息和分析目标特征的过程。
大数据分析可以帮助遥感图像处理从海量的遥感图像数据中挖掘有价值的信息，提高数据处理和分析效率，帮助科学家和决策者做出更准确的决策。
首先，大数据分析在遥感图像处理中的应用可以帮助提高遥感图像的精度和分辨率。
传统的遥感图像处理方法往往受到计算能力和数据存储限制，难以处理大规模的遥感图像数据。
而大数据分析技术可以通过分布式计算和存储系统，以及高性能计算平台，实现对大规模遥感图像数据的快速处理和分析。
通过大数据分析，可以提高遥感图像的精度，并且从高分辨率遥感图像中提取出更多的地物信息，为地质勘探、农业管理、城市规划等领域提供更准确的数据支持。
其次，大数据分析在遥感图像处理中的应用可以帮助提取和分析地表变化信息。
地表变化是遥感图像处理中的一个重要课题，对于自然灾害监测、土地利用变化分析等具有重要意义。
传统的地表变化分析方法往往需要依靠人工对比和解译遥感图像，这不仅费时费力，还容易出现主观误差。
而大数据分析技术可以通过自动化处理和机器学习算法，从大规模的遥感图像数据中提取出地表变化信息。
利用大数据分析技术，可以实现对地表变化的实时监测和分析，为灾害预警和资源管理提供支持。
此外，大数据分析在遥感图像处理中的应用还可以帮助研究地球环境变化。
地球环境变化是全球关注的热点问题之一，对于全球变暖、海平面上升、生态退化等问题的分析具有重要意义。
大数据分析技术可以对全球范围内的遥感图像数据进行整合和分析，研究地球环境变化的趋势和影响因素。
通过大数据分析，可以建立全球范围内的地球环境变化模型，预测未来的环境变化趋势，并为环境保护和资源管理提供科学依据。
最后，大数据分析在遥感图像处理中的应用还有助于开发和优化遥感图像处理算法。
遥感图像处理算法是提取和分析遥感图像数据的核心工具，其准确性和效率直接影响到遥感图像处理的结果。
遥感与大数据
遥感与大数据概述：遥感与大数据是指利用遥感技术获取地球表面信息，并通过大数据分析和处理，从中提取有用的信息和知识。
本文将详细介绍遥感与大数据的基本概念、应用领域、数据处理流程以及未来发展趋势。
一、基本概念：1. 遥感技术：遥感技术是利用卫星、飞机等遥感平台获取地球表面信息的技术，包括光学遥感、雷达遥感、红外遥感等。
2. 大数据：大数据是指数据量巨大、复杂多样、高速增长的数据集合，通过分析这些数据可以揭示隐藏的规律和趋势。
二、应用领域：1. 地质勘探：利用遥感技术获取地质信息，结合大数据分析，可以快速准确地确定矿产资源分布、地质构造等。
2. 环境监测：通过遥感技术获取地表覆盖、气候变化等信息，并结合大数据分析，可以实现对环境污染、自然灾害等的监测和预警。
3. 农业管理：利用遥感技术获取农田植被、土壤湿度等信息，结合大数据分析，可以实现精准农业管理，提高农作物产量和质量。
4. 城市规划：通过遥感技术获取城市建筑、交通网络等信息，结合大数据分析，可以优化城市规划，提高城市管理效率。
5. 水资源管理：利用遥感技术获取水体分布、水质状况等信息，结合大数据分析，可以实现水资源的合理配置和管理。
三、数据处理流程：1. 数据获取：通过卫星、飞机等遥感平台获取地球表面的多光谱、多角度、多时相的遥感影像数据。
2. 数据预处理：对获取的遥感影像数据进行大气校正、几何校正等预处理，以提高数据的质量和准确性。
3. 数据融合：将不同波段、不同分辨率的遥感影像数据进行融合，以获取更全面、更准确的地表信息。
4. 特征提取：通过图像处理和模式识别技术，提取遥感影像中的地物特征，如植被覆盖、建筑物分布等。
5. 数据分析：利用大数据分析方法，对提取的地物特征进行统计分析、空间分析等，揭示地表信息的规律和趋势。
6. 结果展示：将分析结果可视化展示，以便用户直观地理解和利用。
四、未来发展趋势：1. 数据共享：遥感与大数据领域将越来越重视数据共享，通过建立数据共享平台和标准，促进数据的开放和互联互通。
遥感与大数据
遥感与大数据导言：遥感与大数据是当今科技发展中的两个重要领域，它们的结合为我们提供了更多的数据来源和分析方法，对于环境监测、资源管理、城市规划等领域具有重要意义。
本文将详细介绍遥感与大数据的概念、应用和发展趋势。
一、遥感的概念及原理1.1 遥感的定义遥感是指利用人造卫星、飞机等远距离的传感器对地球表面进行观测和测量的技术。
通过遥感技术，可以获取地表的光谱、热红外、雷达等多种信息，从而实现对地球表面的监测和分析。
1.2 遥感的原理遥感技术主要依靠传感器获取地球表面的电磁辐射信息，并通过数据处理和分析得到有用的地理信息。
遥感传感器可以分为光学传感器、热红外传感器和雷达传感器等多种类型，每种传感器都有其特定的工作原理和应用范围。
二、大数据的概念及特点2.1 大数据的定义大数据是指规模庞大、类型多样且难以通过传统数据处理工具进行管理和分析的数据集合。
大数据具有三个特点，即数据量大、数据类型多样和数据处理速度快。
2.2 大数据的特点（1）数据量大：大数据的特点之一是数据量庞大，常常需要通过分布式存储和处理技术来管理和分析。
（2）数据类型多样：大数据包含结构化数据和非结构化数据，如文本、图像、视频等，需要采用不同的技术和算法进行处理和分析。
（3）数据处理速度快：大数据需要在短时间内进行实时处理和分析，因此需要高性能的计算和存储设备来支持。
三、遥感与大数据的应用3.1 环境监测遥感与大数据在环境监测中发挥着重要作用。
通过遥感技术获取的地表信息可以帮助监测空气质量、水质情况、土壤污染等环境指标，结合大数据分析，可以实现对环境变化的实时监测和预警。
3.2 资源管理遥感与大数据在资源管理方面具有广泛应用。
通过遥感技术获取的地表信息可以帮助监测森林覆盖率、土地利用情况等资源指标，结合大数据分析，可以实现对资源的合理利用和保护。
3.3 城市规划遥感与大数据在城市规划中扮演着重要角色。
通过遥感技术获取的城市空间信息可以帮助规划部门进行城市规划和土地利用规划，结合大数据分析，可以实现对城市发展趋势和人口分布的预测。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于大数据的遥感数据质量管理探索
发表时间：2018-07-23T12:20:00.747Z 来源：《基层建设》2018年第18期作者：孙立军李小强仲健民[导读] 摘要：大数据几乎对每个领域都产生了影响，遥感数据作为大数据重要组成部分，其自身也在发生深刻变革。
32023部队辽宁大连 116023
摘要：大数据几乎对每个领域都产生了影响，遥感数据作为大数据重要组成部分，其自身也在发生深刻变革。
本文结合大数据时代背景和遥感数据质量管控现势情况，对大数据在遥感数据质量管控方面进行初步探索，浅要分析大数据下的遥感数据质量管理模式。
关键词：大数据；遥感数据；质量管理；探索
1 引言
21世纪，人类进入信息社会，传感器和社会网络产生海量数据，数据积累的量变引发质变，越来越多的企业、行业和国家以数据为资源进行知识和智力开发，挖掘了数据内在的价值，逐步形成了大数据的概念。
大数据指的其实就是“海量数据+复杂数据类型”及非结构化数据，其核心在于数据的挖掘和应用产生的多方位价值。
具有数据体量（V olumes）巨大、数据类别（Variety）繁多、价值（Value）密度低、处理速度（Velocity）快的特点（简称4V）。
大数据几乎对每个领域都产生了影响，从表象看，大数据就是一个容量特别大，数据类别特别多的数据集，大概能达到PB的级别，其并不是一种新的技术，也不是一种新的产品，而是我们这个时代出现的一种新的现象。
从内涵看，大数据的价值还在于大数据内部的关联、挖掘数据与数据的复杂关系以及数据（结构化与非结构化）与业务和决策间的关联等。
从资源应用角度看，大数据是一种海量的数据状态以及应对这种状态的处理技术工具，还是未来社会的一项重要基础设施。
2遥感数据质量管理瓶颈
2.1 遥感大数据质量验收
遥感技术正在逐渐建立大数据体系结构，面对海量遥感数据，如何实现数据的质量与数量同步发展是当前一大难题。
传统遥感数据质量验收数据量较少，所有项目可以实现一、二级验收100%，部分项目可以实现三级验收100%，数据量在人工验收能力承受范围之内。
面对日益增加的遥感数据，验收任务陡增，传统的人工验收已逐渐不能适应当前任务形势。
以立体测图为例，现在每年千幅级的任务数量，包含空三、采集、入库等工序，如果每一幅图、每一道工序都通过传统人工验收，需要1个人验收4年，一个验收组（4人）验收1年，才能够基本实现100%验收。
传统验收模式效率低，并且对人的主观能动性要求极高，正面临巨大挑战。
2.2 遥感大数据的存储管理
数据生产过程中，产生的一些过程数据，极大地占用了存储空间。
以正射影像为例，每一道数据处理工序都需要留存，以备在后期验收过程中出现问题可以及时修改，这就使得实际生产过程中需要原始数据量5倍之多的存储空间来完成任务。
大数据对数据传输和数据管理都提出了较高的要求，在海量数据中，如何更快捷的检索、定位、传输数据，都是目前需要解决的难题，而目前的测绘软硬件都不能够完全满足大数据管理要求。
3 基于大数据的质量检验模式的探索
3.1 健全大数据下质量管理体系
建立完善的质量管理体系是加强遥感产品质量管理的重要措施，为及时生产高标准、高质量的遥感产品，从设计、生产建立起一套严密协调的高效能的管理系统。
实施全面质量控制，对顶层设计、作业力量、业务机制、业务创新、奖惩措施等各个影响质量建设的因素，进行全面规范、完善和提高。
明确规定各部门和每个岗位在测绘生产中的职责，使各项工作正规化、标准化、程序化。
制定质量计划，加强质量过程跟踪机制建设，从数据源、数据资料、数据流转、阶段成果等各方面进行全方位的跟踪管控，抓好每一道工序的成果质量。
3.2 完善大数据下遥感数据管理系统
由于数据量大，造成数据在传输、管理上显得有些“笨重”，如何高效快捷的实现数据管理和传输，可以从以下2个方面突破。
一是依托集群系统，研究制定协同作业方案，实现数据实时共享和可视化，为数据接边和阶段性成果监视构建交流平台。
同时，建立合理有效的数据管控级别，对作业员、指导工程师、验收员、网络管理员分别设置不同级别的访问和使用权限，既节省时间，同时对协同作业有极大的促进作用。
二是减少数据流通次数，建立健全合理畅通的数据流通渠道，并且应避免数据的重复存储和版本信息的混乱。
3.3 研发大数据下智能质量分析系统
研发并配备大数据下遥感数据管理系统相应的软件系统，进一步提高质量检查的智能化水平。
一方面，针对每一项任务，制定质量评定标准和相应的匹配模板，将所有的数据（成品和半成品）按照模板进行统一规范，利用智能匹配技术和结构分析技术，在少量人工干预的情况下，进行数据的统一质量评定。
对作业人员每天提交的数据，可以充分利用夜间空闲时间，利用大数据分析系统和相关质量评定系统，统计数据质量情况、生成相应报告并反馈作业人员，以此实现数据质量跟踪检查。
另一方面，依靠自身解决生产过程当中的小问题。
充分调动人员积极性，依托科技创新，鼓励作业人员开发小程序、小软件，提高自查能力和效率。
同时应考虑集中单位技术力量，研发系统高效的质量检查评价系统。
3.4 根据任务性质和需求把握主次
每一项任务都有其特定需求，如立体采集重点把握数据定位、影像判读、要素取舍、表示方法等，入库数据重点把握属性性质、拓扑关系等，地形图、军事交通图与军事地理图等不同类型的图表示的重点和方法也不同……这就需要根据任务需求、产品性质，明确验收重点，在坚持原则性问题不动摇的基础上合理把握，减少不必要的工作量。
4 结束语
大数据时代的到来，标志人类将进入数字化信息社会，构建世界信息架构。
测绘数据作为基础性数据，既可以是大数据的框架数据，也可以依托大数据对自身进行不断的丰富完善。
遥感数据成果质量的管理验收工作，必将在大数据的支撑下实现质的飞跃。
参考文献：
[1]孔德智，杨晓明，张莹莹.大数据浅析[J].计算机科学与技术，2013，31（11）：85-89.
[2]胡雄伟，张宝林，李抵飞.大数据研究与应用综述（上）[J].标准科学，2013，9：29-34.
[3]李丽，李平，张旭等.浅析测绘部队业务质量建设中的矛盾和对策[C].军事测绘导航生产质量管理论文集，2012：66-69.
[4]李晶，李胜利，元朝鹏.航天测绘生产质量管理技术体系建立[C].军事测绘导航生产质量管理论文集，2012：19-21.。