遥感大数据平台的建设及应用
遥感与大数据
遥感与大数据背景介绍：遥感技术是指通过卫星、飞机等遥感平台获取地球表面信息的一种技术手段。
随着遥感技术的发展和大数据技术的兴起，遥感与大数据的结合已经成为了科学研究、资源管理、环境保护等领域的重要工具和方法。
一、遥感与大数据的概念和原理遥感与大数据是指将遥感技术获取的海量数据与大数据技术相结合，通过数据处理、分析和挖掘等手段，实现对地球表面信息的全面、深入和精确的理解和应用。
遥感技术通过卫星、飞机等遥感平台获取的数据，包括光学影像、雷达数据、高光谱数据等，这些数据量大、种类多、维度高，需要借助大数据技术进行存储、处理和分析。
二、遥感与大数据在资源管理中的应用1. 土地利用与覆盖变化监测：通过遥感技术获取的高分辨率影像数据，结合大数据技术进行土地利用与覆盖变化的监测和分析，可以匡助政府制定土地利用规划，优化土地资源配置，提高土地利用效率。
2. 水资源管理：利用遥感技术获取的水体信息和大数据技术进行水资源管理，可以实现对水质、水量、水生态等方面的监测和评估，为水资源的合理利用和保护提供科学依据。
3. 森林资源监测：通过遥感技术获取的森林影像数据，结合大数据技术进行森林资源的监测和评估，可以实现对森林覆盖面积、类型、生长状态等方面的精确掌握，为森林资源的保护和管理提供支持。
4. 矿产资源勘查：利用遥感技术获取的矿产信息和大数据技术进行矿产资源的勘查和评估，可以实现对矿产资源的分布、储量、品位等方面的准确判断，为矿产资源的开辟和利用提供指导。
三、遥感与大数据在环境保护中的应用1. 空气质量监测：通过遥感技术获取的空气质量数据和大数据技术进行分析和挖掘，可以实现对空气质量的实时监测和预测，为环境保护部门提供决策支持，匡助改善空气质量。
2. 水环境保护：利用遥感技术获取的水体信息和大数据技术进行水环境保护，可以实现对水体污染源的识别和监测，为环保部门的监管和管理提供科学依据。
3. 生态环境保护：通过遥感技术获取的生态信息和大数据技术进行分析和建模，可以实现对生态环境的评估和预测，为生态环境保护提供科学依据，匡助保护生物多样性和生态平衡。
遥感大数据中的Web遥感应用平台技术
– 灵活开发 – 系统集成
• 支持集群、云计算环境
– 并行计算、多线程计算 – 分布式计算 – 弹性伸缩
• 多客户端
– Web、移动、桌面
• ……
Web遥感服务平台应用演示
创新的ENVI企业级服务器产品：ENVI Services Engine
• 组织、创建及发布先进的ENVI/IDL和其他遥感图像分析能力
高性能处理环境
ENVI Services Engine处理器
集群计算处理器
文件系统
应用端
JavaScript界面
HTTP REST
浏览器 移动端
Landsat Image Service
Online Images Services
ENVI Services Engine特点
• 采用Node.JS和内存数据库技术
• 提供自助式影像处理和分析
– 将复杂、专业的遥感模型部署到服务器 – 客户端按需、在线获取影像信息
Web遥感服务平台典型应用案例
• 农业
– 中国农业科学研究院：高分农业遥感数据产品生产系统
• 林业
– 中国林业科学研究院：林业高分高性能预处理系统
• 测绘
– 上海测绘院：上海市地理信息公共服务平台——城市违法土地在 线遥感监管系统、遥感影像在线分析平台
影像预处理 用户1
基础产品生产
数据 模型
用户2 作物长势
作物估产
用户3
计算机 软件 …
植被覆盖度 水质监测
用户… …
…
Web遥感应用平台架构
显示工具
应
用 层
图层管理
定位工具 量测工具
查询工具 常规地图浏览工具 ……
遥感大数据在防灾减灾中的应用
06
总结与展望
遥感大数据在防灾减灾中的应用价值
01 02
监测预警
遥感大数据技术可以实时监测和预警自然灾害的发生，通过分析遥感 影像和相关数据，可以预测灾害的发展趋势，为决策者提供准确的信 息，及时采取防灾减灾措施。
数据传输与共享
数据格式标准化
01
制定统一的数据格式和标准，以便不同来源的数据能够相互兼
容和共享。
数据压缩与存储
02
采用高效的数据压缩和存储技术，以降低数据传输成本和提高
存储效率。
数据安全保障
03
加强数据加密和安全防护措施，确保遥感数据在传输和共享过
程中的安全性和保密性。
数据应用与推广
灾害预警与监测
大数据分析助力决策
遥感大数据技术可以结合其他数据，如气象数据、社会经济数据等，进行综合分 析，为决策者提供更全面的信息，帮助其制定更加科学的决策。
高精度性
高精度遥感影像
遥感大数据技术可以获取高精度的遥感影像，如高分辨率的卫星图像，可以帮助人们更加准确地了解灾害的发 生和影响。
高精度分析结果
遥感大数据技术可以对遥感影像进行高精度的分析，如地形分析、地貌分析等，帮助人们更加准确地了解灾害 的分布和影响范围。
数据存储与管理
将处理后的数据存储在数据库 或云端，方便后续查询和使用 。
结果可视化与应用
将处理和分析结果进行可视化 呈现，为科学研究、政策制定 、灾害防治等提供支持。
02
遥感大数据在防灾减灾中 的应用
灾害预警
气象灾害预警
利用遥感大数据技术，可以实 时监测气象要素，如风速、风 向、气压、气温等，以及气象 变化趋势，为气象灾害预警提
第3章遥感平台及运行特点
第3章遥感平台及运行特点遥感平台是指利用遥感技术和相关技术手段，对地球表面进行观测、监测和分析的综合性平台。
具体而言，遥感平台包括卫星遥感平台、航空遥感平台和地面遥感平台，它们分别利用卫星、航空器和地面设备采集数据，通过信号处理、数据传输和数据处理等环节，提供地球环境、资源和灾害等方面的信息。
遥感平台的运行特点主要有以下几个方面：1.大范围：遥感平台通过卫星或航空器等方式，可以对较大范围的地区进行观测和监测。
相比于传统的地面观测手段，遥感平台具有广覆盖、高时效性的特点，可以全面了解地球表面的变化和动态。
2.高分辨率：遥感平台可以获取高分辨率的数据，提供更详细、更精确的地理信息。
高分辨率的数据有助于对地表特征进行详细分析，例如城市建设、森林覆盖、湖泊水体等，在城市规划、资源管理和环境监测等方面起到重要作用。
3.多源数据：遥感平台可以整合多种数据源，包括多个卫星、航空器以及地面设备获取的数据。
通过综合利用不同数据源的信息，可以提高数据的可靠性和综合分析的精度，为各领域的决策提供更全面、更准确的依据。
4.实时监测：遥感平台可以进行实时监测和远程操作，及时掌握地表变化情况。
例如，对于灾害监测和应急救援，遥感平台可以实时获取信息，为灾害预警和救援提供支持。
5.长时间连续观测：遥感平台可以连续观测地球表面的变化，获取长时间序列的数据。
通过对长时间序列数据的分析，可以揭示地表变化的规律和趋势，提供更深入的研究和分析。
6.大数据处理：遥感平台生成的数据量庞大，需要借助强大的计算能力和数据处理技术进行数据挖掘和信息提取。
通过大数据处理技术，可以对海量数据进行高效的分析和管理，挖掘有价值的信息。
总之，遥感平台在地球观测和资源管理等领域具有重要的应用价值。
随着技术的不断发展，遥感平台的观测能力和数据质量将进一步提升，为人类认识地球和解决地球问题提供更加可靠的数据支持。
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的信息，并通过大数据分析和处理技术进行数据挖掘、分析和应用的一种综合应用技术。
本文将详细介绍遥感与大数据的背景、原理、应用领域以及未来发展趋势。
一、背景：随着遥感技术的不断发展和大数据技术的兴起，遥感与大数据的结合成为了一种重要的技术手段。
遥感技术通过卫星、飞机等遥感平台获取地球表面的各种信息，如地表温度、植被覆盖、土地利用等。
而大数据技术则可以对这些遥感数据进行高效的存储、管理、分析和应用，从而为决策者提供更加准确、全面的信息支持。
二、原理：遥感与大数据的原理主要包括遥感数据获取、数据存储与管理、数据分析与挖掘以及数据应用四个方面。
1. 遥感数据获取：遥感数据获取是指通过卫星、飞机等遥感平台获取地球表面的各种信息。
遥感平台通过搭载各种传感器来采集地球表面的电磁波信号，并将其转化为数字图象。
这些数字图象可以包含多个波段的信息，如红外波段、可见光波段等。
遥感数据获取的关键是选择合适的传感器和采集参数，以获取高质量、高分辨率的遥感数据。
2. 数据存储与管理：遥感数据具有大量、多源、多格式的特点，因此需要进行有效的存储与管理。
大数据技术可以提供高效的数据存储与管理方案，如分布式文件系统、数据库管理系统等。
通过这些技术，可以将遥感数据进行分块存储、索引管理，并提供高速的数据访问能力。
3. 数据分析与挖掘：遥感数据的分析与挖掘是遥感与大数据的核心环节。
通过大数据分析技术，可以对遥感数据进行特征提取、分类识别、变化检测等操作。
例如，可以利用遥感数据进行土地利用分类，通过分析不同波段的反射率特征，将地表划分为不同的类别，如水体、植被、建造等。
此外，还可以利用遥感数据进行地表变化检测，监测城市扩张、农田变化等情况。
4. 数据应用：遥感与大数据的最终目的是为决策者提供准确、全面的信息支持。
通过对遥感数据的分析与挖掘，可以得到各种地理信息产品，如土地利用图、植被覆盖图等。
遥感影像样本大数据建库与应用方法
遥感影像样本大数据建库与应用方法程滔【摘要】A database construction method which is based on the integration of relational database and distributed file system is researched for a large sample data base for interpretation of remote sensing images. It analyzes the database's construction process, and discusses the key technical problems and solution method. Based on the sample database, it studies the application method of sample data, analyzes some kinds of using cases and explores the application mode of sample data. Individual region's massive sample data are selected for verifying the method and its efficiency. At the same time, it takes 10 first-level classes which are defined in the land cover classification system for example, to analyze the spatial distribution and density characteristics of all kinds of sample data. The results show that the method of database construction and management which is based on the integration of relational database and distributed file system is very effective and applicative for sample data's searching, analyzing and promoted application.%研究一种基于关系型数据库与分布式文件系统融合的遥感影像解译样本大数据建库方法.解析了数据库建设过程,讨论了建库关键技术问题与解决方法;在建成样本数据库基础上,研究了样本数据应用方法,分析了几种应用实例,探索了样本数据应用模式;以选取的研究区域内大规模样本数据为对象,验证了数据库建设中数据处理过程及效率,同时,以地理国情普查分类体系中地表覆盖10个一级类为例,对研究区域各类别样本空间分布与密度等特征进行了分析.结果表明:利用关系型数据库与分布式文件系统融合的方法对样本大数据进行建库与管理,对样本数据的检索、分析及推广应用,具有很好的效能和适用性.【期刊名称】《计算机系统应用》【年(卷),期】2017(026)005【总页数】6页(P43-48)【关键词】遥感影像样本;大数据;数据库;分布式文件系统;应用【作者】程滔【作者单位】国家基础地理信息中心, 北京 100830【正文语种】中文第一次全国地理国情普查样本数据库建设是地理国情普查成果数据库建设的任务之一,可为从事遥感影像解译的研究人员与工程技术人员提供丰富的解译标志信息,提高地表覆盖分类、土地利用分类等精度,从而提高研究成果质量[1].第一次全国地理国情普查在全国范围内采集的遥感影像解译样本点数量达到300多万个,数据文件量达到1250多万个,并将在后续地理国情监测中不断积累递增.为了提高样本数据检索、分析及推广应用效率,促进应用服务,需要对这些数据进行科学存储和管理[2,3].利用数据库对样本数据进行管理,是一种可靠的方法,数据存储的逻辑性强,能够提高数据检索效率.成熟的关系型数据库技术采用结构化的语言(Structured Query Language,缩写SQL),用二维表结构分行、列对数据进行存储,调用数据时遵循固定的请求格式,甲骨文(Oracle)在20世纪70年代率先推出这项技术,该技术也是目前应用最为广泛的数据库技术[4].然而,随着云计算、互联网等技术的发展,文档、图片、图像、视频、文本、XML等非结构化、半结构化数据增长迅速,关系型数据库虽支持二进制大对象(BLOB),能将数据直接入库存储,但未提供对这类复杂数据类型的快速存储、访问方法[5];所以这类数据的存储,已不方便用关系型数据库二维逻辑表来表现,需要增大数据库的开发工作量才能满足应用需求.因此,大数据管理方法与计算处理能力在极大提升的同时,也面临一些挑战[6,7].地理国情普查样本数据文件数量庞大,且包含ACCESS、JPG、TIFF、TFW、XML 等多种数据格式,从数据模型角度划分,ACCESS属于结构化数据,JPG、TIFF、TFW 属于非结构化数据,XML属于半结构化数据.针对地理国情普查样本数据特点,本文研究一种基于关系型数据库与分布式文件系统融合的样本大数据建库方法,将各类模型的数据分别存储在不同的物理位置,并对结构化数据进行空间化处理,增强数据的检索性能与可视化体验,以满足大数据建库与后续应用的需求.首先分析建库过程与关键技术,解决大数据、批量处理过程中的技术问题;然后在完成样本数据库建设的基础上,研究探索样本数据的应用方法与模式;最后通过选取大规模样本数据集,结合空间分析,对研究方法进行验证.1.1 数据分析地理国情普查样本数据的原始数据由地面照片、遥感影像实例以及样本信息描述数据库三部分组成.其中,地面照片采用JPG格式;遥感影像实例采用TIFF格式;影像坐标信息采用TFW文档格式;影像投影信息采用XML格式;样本信息描述数据库采用ACCESS数据库,由记录地面照片属性信息的PHOTO数据表(包括照片的标识符、照片文件名、拍摄时间、拍摄点经度、拍摄点纬度等19项属性)、记录遥感影像实例属性信息的SMPIMG数据表(包括遥感影像实例标识符、遥感影像实例文件名、影像类型、影像分辨率、影像拍摄时间等14项属性)、以及反映地面照片和遥感影像实例对应关系的PHOTO_IMG关系表(包括地面照片的标识符、遥感影像实例标识符等5项属性)三个表格构成,表格数据类型包括Text、Date、Double、Float、Short Integer[8].为了便于地理国情普查样本数据的展示、检索、分析,在原始数据经过入库质量检查合格的基础上,需要利用原始数据记录的空间位置信息(地面照片拍摄点经度、拍摄点纬度,或者根据对应遥感影像实例四个角点经纬度计算出的中心点坐标),生成样本点位矢量数据[9],该衍生数据为点状图形数据,其属性信息包括地面照片所有属性信息,并添加了要素唯一标识码属性.这种结构化、非结构化、半结构化数据在入库前均以文件形式存储,并组成了地理国情普查样本数据的完整数据模型.1.2 数据库建设方法地理国情普查样本大数据建库过程是数据库建设与管理的核心,原始数据在经过数据整理、入库检查、问题解决、重新整理等处理过程后,需要进行属性结构调整、表格数据空间化等处理,经入库质量检查合格后,进行数据入库操作.在数据入库过程中,地理国情普查项目采用Oracle数据库技术,在数据库设计时,分别按照表格数据、矢量数据、文档数据这几种形式作为数据存储结构.结构化数据直接存储在Oracle数据库表中;空间化后的矢量数据存储在Oracle Spatial中,具体采用SDO_Geometry字段进行物理存储,属性信息存储在相应的属性字段中;非结构化、半结构化的文档数据存储在分布式文件系统中[10].这种基于关系型数据库与分布式文件系统融合的样本大数据建库方法的处理流程如图1所示.1.3 关键技术分析根据本文数据库建设方法,在样本数据库建设的整个流程中,关键技术主要表现在以下两个方面:(1)大数据整理与存储全国地理国情普查样本数据具有文件数量庞大、数据总量大、各模型数据格式各异的特点,而数据库建设对大数据整理的要求是存储结构规范、逻辑关系严密、结构化整理.在这种形势下,为了利于大规模数据的更新与维护,在数据整理与存储过程中,可按照全国行政区划或测区(一般为县级或地市州级行政单位),逐级整理清晰.在分布式文件系统中,对于一个行政区划或测区内的所有样本数据,保持固定的耦合存储结构(如表1所示);各行政区划或测区样本数据集之间并行排列;采用县级或地市州级、省级、国家级逐级往上集中存储.这样的存储方式有利于样本数据的快速检索、修改、移动、删除等操作.在关系型数据库中,利用各样本数据的照片文件名字段、遥感影像实例文件名字段,存储其行政区划或测区级的相对路径,从而,在数据库管理系统调用样本数据时,便可读取此记录寻址到样本数据在分布式文件系统中的物理位置.(2)大数据入库检查方法与问题解决第一次全国地理国情普查项目是国家重大专项项目,成果数据库的建设必须符合工程项目的标准和要求,因此,对数据库的质量要求较高.为保证数据库质量,满足推广应用需求,样本数据在整理规范的基础上,需进行入库检查,并对检查发现的问题进行有效解决,合格后才能入库.面对样本文件数量庞大的现实状况,本研究利用一种从宏观到微观的综合质量检查方法[11],采用大数据量批处理的模式,结合全国行政区划地图,全面实现样本数据各项内容的入库质量检查.从宏观整体角度,检查样本数据组织正确性与完整性、遥感影像实例与地面照片的匹配性与冗余性、数据表定义与属性项定义正确性等内容.从微观具体角度,检查各样本点数据的完整性与有效性、数学基础与空间位置正确性、文件命名及格式正确性、属性数据正确性等内容.每一个样本点数据检查均保存一条检查结果记录.依据检查结果记录,对影响入库、应用的问题进行有效解决,主要包括:遥感影像实例数学基础错误(包括坐标系统错误、中央经线错误等)、样本信息描述数据库表内容为空、遥感影像实例四角点坐标错误、影像投影信息文件XML记录的内容错误(为规定之外的内容)、影像坐标信息文件TFW记录的内容错误、地面照片无对应遥感影像实例、遥感影像实例无对应地面照片、个别行政区划或测区内数据缺漏等问题. 经过入库检查与问题解决,形成最终的符合数据库建设要求的样本数据.地理国情普查样本大数据建库的目的是提供应用服务,利用大数据计算与分析,可以挖掘大量有价值的信息[12].本文对样本数据应用方法的研究探索,分为直接应用与衍生应用两个层次.直接应用是从样本数据库直接检索、获取样本基本信息,为遥感影像解译提供解译标志信息;衍生应用是在基本信息的基础上,利用空间分析方法,得出一些规律性的特征信息.对样本数据库的检索,检索条件可以是多样性的,可以根据地表覆盖类型(一级类、二级类、三级类)、空间范围(经纬度范围、行政区划范围、大区划范围(如华东、华南、华中、华北、西北、西南、东北)、主题功能区范围等)、时间段(地面照片的拍摄时间、遥感影像的拍摄时间)等,以及这些检索条件的多条件检索.(1)反映研究区域地表覆盖类型及地面实地地物特征的应用在一些遥感影像解译工作中,会存在通过内业解译无法准确判读地表覆盖类型的情况,在没有外业工作环节的情况下,可以利用样本数据库,检索研究区域空间范围内的样本数据,通过区域内分布的样本点基本信息,辅助遥感影像解译工作.(2)反映相似地理环境区域的地表覆盖类型特征的应用利用样本数据,可在邻近区域或相似地理环境区域(这些研究区域外业工作难以到达或限制到达,或未计划开展外业工作),通过同类地物光谱、纹理比对以及地理相关分析等方法,开展遥感影像解译.并且,可以利用检索出的样本点对应的遥感影像实例的光谱、纹理、形状等特征,作为地表覆盖监督分类的先验知识.(3)反映样本数据空间分布与密度特征的应用全国行政区划单位分为省级、地级、县级、乡级等,地理国情普查样本数据一般按照县级或地市州级行政单位进行整理与存储.因此,利用数据库中的样本点位矢量数据,以及全国行政区划范围矢量数据,通过空间叠置分析与统计计算,可获取到各级行政区划范围内、各地表覆盖类型样本数据的空间分布与密度特征.这一特征也可以反映研究区域内的地物多样性特征,并在一定程度上间接反映研究区域内的交通通达情况.(4)反映同一地表覆盖类型在全国不同区域、同一季节形态特征的应用我国地域广阔,同一地表覆盖类型在不同的区域,可能会表现出不同的特征,利用样本数据库,检索某一类地表覆盖类型(例如阔叶乔木林),与全国典型区域矢量数据进行空间叠置分析,便可获取同一地表覆盖类型在全国不同区域、同一季节形态特征.(5)反映同一地表覆盖类型在相同区域、不同季节形态特征以及影像特征的应用地理国情普查使用的遥感影像数据的获取季节和时间不尽相同,样本数据在采集过程中,地面照片的拍摄季节和时间也不尽相同,从样本数据库中检索出这些信息,便可获取同一地表覆盖类型(例如阔叶乔木林)在相同区域、不同季节的形态特征以及影像特征.(6)与地形、地貌等特征相关的专题分析应用我国地形、地貌特征丰富,利用地形、地貌矢量数据,与样本数据库中某一类地表覆盖类型(例如针叶乔木林、针叶灌木林)进行空间叠置分析,可以获取该地表覆盖类型在不同地形、地貌区域的表现特征.同样地,通过不同地域样本记录的地表覆盖类型的种类分析,也可在一定程度上反映不同地域地物多样性特征.以湖北省地理国情普查采集的样本数据为研究实例,验证数据库建设中关键数据处理过程及效率,并对部分应用成果进行分析讨论.3.1 研究区概况根据《中华人民共和国行政区划简册2015》[13],湖北省面积约19万km2,范围内县级行政区划103个,人口合计6165万人.湖北省位于中国中部偏南、长江中游,空间位置介于北纬29°05′至33°20′,东经108°21′至116°07′,地形地势大致为东、西、北三面环山,中间低平,略呈向南敞开的不完整盆地,在全省总面积中,山地占56%,丘陵占24%,平原湖区占20%.全省水资源、土地资源、生物资源、矿产资源丰富,地表覆盖类型呈多样性特征.3.2 数据处理主要过程湖北省采集的样本点数量为11.3万个,在分布式文件系统中,按照100个测区对数据进行整理与存储(部分县级行政区划数据进行了合并).样本数据入库检查时,为了进一步提高检查效率,将数据按照测区分为5组,并发进行检查;样本点位矢量数据以及样本信息描述数据库的表格数据,经质量检查后,同时录入至Oracle数据库.这两项处理过程的效率如表2所示,计算机配置为64位Window 7操作系统、8GB内存.从表2可以看出,样本数据入库检查与入库的效率能够满足数据库建设流程中对大数据检查与入库的进度要求.3.3 应用成果分析地理国情普查内容体系中,地表覆盖定义了10个一级类,分别为耕地、园地、林地、草地、房屋建筑(区)、道路、构筑物、人工堆掘地、荒漠与裸露地表、水域,并定义了87个三级类[14].基于湖北省地理国情普查采集的样本数据,利用本文提出的应用方法,得出了一些应用成果,这里对部分应用成果进行分析.(1)样本数据空间分布与密度特征研究区样本数据的空间分布如图2所示,经统计分析可知:湖北省范围内的地表覆盖类型涵盖了10个一级类,81个三级类.以10个一级类为例,各地表覆盖类型样本点数量统计直方图如图3所示.从图3可以看出,湖北省范围内,林地类型的样本数据采集是最多的,占样本数据总量的22.20%,空间分布也较广,所有县级行政区划均有分布;其次是耕地,占16.87%. 自然地表覆盖类型的三级类,是遥感影像分类的难点,也是反映生态环境及气候变化特征的主要类型,湖北省地理国情普查采集的这些类型的样本数据比较丰富,为遥感影像分类积累了宝贵的资源.利用样本数据的空间分布数据与各县级行政区划面积数据,可以统计得出各县级行政区划样本点密度特征,如图4所示.县级行政区划样本点密度区间值为[0.14～3.09],密度特征在一定程度上也反映了各县级行政区划内地物多样性特征.(2)地表覆盖类型在地面照片与同季相遥感影像上的形态及光谱特征样本数据在采集过程中,地面照片按照外业工作规划,有计划地拍摄,其拍摄季相与遥感影像实例的拍摄季相一般不同.而经过长期的数据积累,拍摄季相会不断丰富,样本数据库中将能积累出大量的两者季相相同的样本数据,利用这些数据,可以对比得出地物光谱的区域、季相特征,为遥感影像的自动分类提供有力的辅助信息.图5为阔叶乔木林样本数据,地面照片拍摄时间为2014年10月28日,遥感影像实例的拍摄时间为2013年10月14日,两者季相一致,在正射纠正后的8bit Pléiade 卫星遥感影像(R、G、B三波段)上的波谱特征曲线如图5(c).可以看出:研究区内的阔叶乔木在10月份呈现生长茂盛的形态,连片生长的阔叶林在遥感影像上纹理比较均匀、平滑,在红波段上表现出了强吸收特征.(1)大数据存储、管理、分析与信息挖掘是当下众多领域研究的热点,能够产生巨大的经济价值和社会影响力,而高质量的数据和有效的数据管理是大数据产生服务价值的重要前提.本文研究的基于关系型数据库与分布式文件系统融合的样本大数据建库方法,解决了不同模型数据的存储、管理与数据调用问题,通过实例验证与分析,表明该方法能够保证入库数据的有效性、可用性以及数据库的质量,有利于样本数据的合理科学管理与推广应用.(2)本文探索性研究的样本数据应用方法是样本数据应用范围的一部分,样本数据在应用服务过程中,数据时相与数据量还将不断丰富和积累,应用服务的范围也会不断拓展和丰富,能够产生更大的服务价值.1国务院第一次全国地理国情普查领导小组办公室.地理国情普查数据采集技术方法.北京:测绘出版社,2013.2刘露.全球海量遥感影像数据的分布式管理技术研究[硕士学位论文].长沙:国防科学技术大学,2007.3韩晶.大数据服务若干关键技术研究[博士学位论文].北京:北京邮电大学,2013.4 Price J.精通Oracle Database 12c SQL&PL/SQL编程(第3版).北京:清华大学出版社,2014.5黄飞鹏.海量遥感影像管理系统的设计与实现[硕士学位论文].上海:华东师范大学,2011.6孟小峰,慈祥.大数据管理:概念、技术与挑战.计算机研究与发展,2013,50(1):146–169.7刘智慧,张泉灵.大数据技术研究综述.浙江大学学报(工学版),2014,48(6):957–972. 8程滔,袁如金,高志宏,高崟,史晓明.遥感影像解译样本数据一体化整理方法.地理信息世界,2014,21(5):96–100.9国务院第一次全国地理国情普查领导小组办公室.地理国情普查数据库建设技术方法.北京:测绘出版社,2015.10周江,王伟平,孟丹,马灿,古晓艳,蒋杰.面向大数据分析的分布式文件系统关键技术.计算机研究与发展,2014,51(2): 382–394.11程滔.地理国情普查样本数据入库质量检查方法研究.测绘通报,2015,10(10):103–106.12李清泉,李德仁.大数据GIS.武汉大学学报(信息科学版), 2014,39(6):641–644,646.13中华人民共和国民政部.中华人民共和国行政区划简册2015.北京:中国地图出版社,2015.14国务院第一次全国地理国情普查领导小组办公室.地理国情普查内容与指标.北京:测绘出版社,2013.。
大数据在遥感与测绘中的应用
作者简介 ：何一可 ，广州大学附属中学。
段较为漫长的发展历程。目前 ，有关大数据的研究 正处在一个高速发展的阶段 ，而政府对于大数据的 重视程度不断提高 ，其发展前景尤为明朗。
139 2019·10（下）《科技传播》
10下内文（P176-177不上知网）.indd 139
2019/11/11 10:48:28
信息科技探索
3 应用 遥感与测绘由于自身综合性大 ，学科交叉程度
高等特点 ，其相关技术往往应用于其他领域。这些 领域通常有着地理信息采集的需求 ，需要对大量的 地理信息在特定的信息模型中进行分析 ，处理 ，往 往脱离不开大数据的应用。随着智能化时代的发展 ， 对于信息的准确性 ，实时性要求逐步提高 ，对于大 数据技术的需求也因此而逐步提高。 3.1 地理信息系统（GIS）
测绘指研究测绘及推算地面及其外层空间点的 几何位置 ，获取地球表面自然形态和人工设施的几 何分布及其与属性相关的信息 ，编制各种比例尺的 普通地图和专用地图 ，最终服务于国民经济与地学 研究。目前 ，测绘学的研究主要有以下几个方面 ： 首先是地球测绘。地球测绘主要是利用一定的测量 手段 ，研究地球的形状、大小、重力关系等特性。 其次是地表测绘。对地表形态进行测绘 ，制作各个 比例尺的专业地图。此外 ，还在海洋环境内监测并 研究其特殊的测绘技巧及工具 ，并通过已测绘的相 关地理信息引导经济或国防工程建设 ，监视其建筑 的形变等。地理测绘的研究涉及到了多个方面 ，具 有大量不同类型的测量工作 ，需要多种测量技术及 特殊仪器 ，是一门综合性较强的领域。
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。