遥感大数据智能监测平台研究及应用
刘同文1，2 徐进达1，2 薛立明1，2
〔1. 山东省地质测绘院， 山东 济南 250002；2. 山东省地矿局大数据腹地， 山东 济南 250002〕
［摘 要］ 如何融合云计算、大数据、人工智能等先进技术手段，开展对遥感大数据研究，实行遥感影像智能化搞定，为空间智能应用供应更加精准、全效数据支撑已变成绝对，并具有广泛应用前景，本文介绍遥感大数据基本特征及研究现状，并运用深度神经网络等算法实行特征提取、意向识别，提出一种根据遥感大数据智能监测方法，该方法结合遥感技术、人工智能算法，经由对地表、大气信息获取、分类、分析，实行对城市环境、自然资源、生态系统全面监测、管理，另外，开发一套根据云计算、分布式搞定智能监测平台，该平台持助灵活数据集成、可视化展示、实时预警功能，并已成功应用于城市监测、管理任务中，
［根本词］ 遥感大数据；深度学习；智能监测
0 引言
早在2007年，数据库界第三位图灵奖得主，美国资讯工程学家James Gray指出，人类科学研究活动已经进入第四范式，就数据密集型科学［1］，伴随数据量爆炸式增长，计算机将不光能做模拟仿真，还能实行分析总结，得到理论，也就是说，过去由伽利略、爱因斯坦、牛顿等科学家从事就业，后世可以由计算机来做，近年来，全球大数据发展人处于活跃阶段，根据统计，到2025年全球数据量将增加至163 ZB，年复合增长率达到30%，我国政府高度看重大数据发展，自2014年以来，我国国家大数据发展战略谋篇布局经历四個不同样阶段：预热阶段、起步阶段、落地阶段、深化阶段［2］，
众所周知，大数据具有典型4V〔Volume、Velocity、Variety、Value〕特征［3-5］，在遥感、对地观测领域，尤其是近些年全球各类遥感卫星连续升空，人类经由遥感手段对地球观测本事达到史无前例水平，遥感影像数据呈现指数级增长；遥感数据类型日益多元化；遥感数据获取周期越来越短；遥感数据在农业、林业、生态环境、地质灾害等领域应用价值连续体现，可以说遥感数据具有明显“大数据”特征［6］，但遥感数据智能搞定相关技术研究在国内尚处于起步阶段，现有遥感解译方法存在诸多难题，遥感更迭监测方法多为目视解译法，遥感信息搞定本事相对低下［7］，深度学习方法开始运用，大数据处于起步阶段，人工智能处于探索阶段，
伴随大数据、云计算、人工智能、深度学习等智能技术连续成熟，遥感影像智能化搞定已经变成发展势头，为监测供应新途径，融合多源大数据、人工智能与地理遥感技术，奠定遥感智能系统：为空间智能应用供应更加精准、全效，更具有洞察、预见，整体系统技术已变成绝对，并具有广泛应用前景，
1 智能监测根本技术研究 1.1 遥感大数据分布式存储技术
要实行根据遥感大数据开展智能监测根本技术研究，须要搞定最先個個难题就是如何全效存储、管理遥感大数据，分布式存储是目前公认有效大数据存储管理方法［8-9］，目前国内外已有多种根据分布式存储大数据存储管理系统，
根据分布式存储技术实行遥感大数据存储与管理最先选目是整合多源异构海量遥感大数据并构建空间大数据库，根据数据质量评价与控制技术，经由遥感大数据获取、加工搞定、融合搞定，奠定空间遥感大数据平台，为遥感大数据信息提取、更迭监测供应基石保障，一是对结构化数据、元数据等利用关系型数据库管理系统〔DBMS〕实行空间扩展，使其具有存储栅格影像数据本事；二是对非结构化数据利用分布式文件系统实行对其存储与管理；三是对半结构化数据根据No SQL技术实行对其存储与管理，
1.2 遥感大数据信息提取技术
在搞定遥感大数据存储、管理难题后，如何使遥感大数据更好地应用才是从业者最后意向，研究如何根据遥感大数据高速、智能、准确提取出对地表多尺度、多时相、多层次全面体现各类相关信息是十分必需［10-11］，根据深度学习遥感大数据信息提取技术，概括起来最先选涵盖以下五個方面：一是影像预搞定、特征提取、分析特征检测更迭、后搞定、精度评价技术；二是深度学习Segnet 算法图像分割技术；三是面向语义分割深度全卷积网络建模改良技术；四是根据概率图模型语义分割改良技术；五是超分辨率高分辨率图像重建技术，
遥感大数据阶段信息提取是以数据驱动下信息分析模型为最先选特征，深度学习是目前适用于这种需求最优算法，
由于数据共享方面存在难题，信息壁垒尚未百分之百打通，遥感大数据样本库、知识库不够完善，根据深度学习算法遥感大数据信息提取技术仍处于实验研究阶段，后世，伴随数据共享、数据准则连续开放与完善，遥感大数据信息提取技术必然得到更为广泛应用，
1.3 遥感大数据更迭检测技术
目前，全球卫星数量超过千颗，遥感信息获取本事大大增强，成像方法日益多样化，遥感大数据应用落地最后途径还是更迭检测，经由更迭检测应用于执法、土地呵护、地质灾害监测等领域，
遥感大数据更迭检测技术研究概括起来最先选涵盖四個方面，一是影像特征提取、特征更迭检测、后搞定、精度评价技术；二是根据堆栈降噪自动编码器网络更迭检测技术；三是根据分支卷积神经网络更迭检测技术；四是根据阴影提取算法与去噪增强算法更迭检测结果修正技术，在利用深度神经网络搞定遥感大数据更迭检测时，高速、全效地获取训练样本是一個相对要紧难题，
利用高分辨率影像，根据感知深度依赖影像数据与知识关联划分特征层级，用于持助感知层次递进特征归一化映射，同时奠定特征渐进增强尺度归一化模型，映射以空间尺度与维度为载体各层次感知特征要素，生成语义信息高度组织化多层次特征图［12］，构建综合多层次特征图约束渐进自学习区域化网络，经由端到端训练生成面向滑坡意向检测网络，输入待分析意向高分影像数据至检测网络，从渐进增强影像特征角度实行意向针对性检测，最后输出意向影像表现，
众多学者提出很多根据深度神经网络更迭检测方法，比方说深度信度网络、栈式自编码神经网络、卷积自编码等［13-14］，深度学习技术发展，尤其是卷积神经网络、递归神经网络、深度神经网络，为像素级更迭检测方法注入新旺盛生命力［15］，
2 遥感大数据智能监测平台建设及应用
百分之百利用深度学习Segnet算法图像分割技术、面向语义分割深度全卷积网络建模改良技术、根据概率图模型语义分割改良技术与高分辨率图像重建技术奠定深度学习算法库，对高分遥感大数据形成发现、识别与提取，开发遥感大数据智能检测平台，平台总体建设架构如图1所示，
图1 遥感大数据智能监测平台建设总体架构
本文根据遥感大数据、地理信息数据、专题数据、兴致点〔point of interest，POI〕等数据构建空间大数据库，以山东省济南市为例，见表1，
表1 遥感大数据智能监测平台空间大数据库
该平台根据深度学习算法图像分割技术与高分辨率图像重建技术实行遥感大数据信息自动提取，如图2所示，
图2 地类信息自动提取
平台根据堆栈降噪自动编码器网络更迭检测技术、根据分支卷积神经网络更迭检测技术实行遥感数据更迭监测，如图3所示，
图 3 更迭监测
3 结束语
本文在简单描述遥感大数据研究现状基石上，重点论述智能监测根本技术研究三個方面，就遥感大数据分布式存储技术、遥感大数据信息提取技术、遥感大数据更迭检测技术，最后以济南市为例，介绍遥感大数据智能监测平台建设及应用情况，实行更迭高速发现，但在实际应用中存在多源高精度数据获取难度大、自动化智能解译层次低等难题，后世须要在海量多源异构遥感大数据高速获取，遥感大数据自动分析、数据挖掘实行深度研究，并在智慧城市建设、生态环境监测、地质灾害防治等多专题应用方面实行深度融合，
目前，咱们仍处于“数据大爆炸”初期，遥感大数据智能监测是遥感技术在大数据背景下发展势头，伴随遥感技术连续发展，遥感数据获取方法、精度连续提高，遥感数据种类、来源也越来越多，如何将来自不同样传感器、不同样分辨率、不同样时间段遥感数据实行融合，以提高遥感数据综合利用效能，是后世研究重点之一；如何利用机器学习、深度学习等技术对遥感大数据实行分析、占卜，从海量遥感数据中挖掘出有价值信息，也是后世研究热点之一，
伴随5G/6G 阶段到来，数据传输本事将得到大幅提升，加上各类航空航天卫星、雷达、无人机等多种手段高速获取数据以及人工智能、大数据分析挖掘算法连续完善，根据遥感大数据智能监测将得到更为全效、广泛、精准应用，该系统须要具备多源遥感数据融合、数据挖掘与分析、智能决策等功能，以实行对自然资源、环境、灾害等领域全面监测、预警，
参考文献
［1］ HEY T， TANSLEY S， TOLLE K. 第四范式：数据密集型科学发现［M］. 潘教峰，张晓林，等. 北京：科学出版社，2012：10.
［2］ 中国信息通信研究院. 大数据白皮书〔2019年〕［R/OL］.［2020-05-02］. http：//www.caict.ac.cn/kxyj/qwfb/bps/201912/t20191210_271280.htm.
［3］ ZIKOPOULO P， EATON C， DEROOSD，et al. Under-standing of big data ［M］ .NewYork：McGrawHill，2012．
［4］ 李国杰，程学旗. 大数据研究现状与科学琢磨［J］. 中国科学院院刊，2012，27〔6〕：647-657.
［5］ 于广婷，刘同文，曹发伟，等. 地质大数据轻量化集成展示与专题应用研究［J］. 测绘通报，2021〔11〕：140-144.
［6］ 李德仁，张良培，夏桂松. 遥感大数据自动分析与数据挖掘［J］. 测绘学报，2014，43〔12〕：1211-1216.
［7］ LI D R， TONG Q X， LI R X， et al. Some frontier problems of high resolution earth observation［J］． Scientia Sinica Terrae，2012， 42〔6〕：805-813.
［8］ 罗敬宁，刘立葳. 遥感大数据分布式技术研究与实行［J］. 应用气象学报，2017，28〔5〕：621-631.
［9］ 谭娟，白鹤峰，陈勇，等. 开放式遥感数据服务系统架构技术研究［J］. 武汉大学学报〔信息科学版〕，2015，40〔7〕：950-956.
［10］ 付琨，孙显，仇晓兰，等. 遥感大数据条件下多星一体化搞定与分析［J］. 遥感学报，2021，25〔3〕：691-707.
［11］ 张兵. 遥感大数据阶段与智能信息提取［J］. 武汉大学学报〔信息科学版〕，2018，43〔12〕：1861-1871.
［12］ 张继贤，顾海燕，杨懿，等. 高分辨率遥感影像智能解译研究进展与势头［J］. 遥感学报，2021，25〔11〕：2198-2208.
［13］ 龚健雅，许越，胡翔云，等. 遥感影像智能解译样本库现状与研究［J］. 测绘学报，2021，50〔8〕：1013-1022.
［14］ 张继贤，顾海燕，杨懿，等. 高分辨率遥感影像智能解译研究进展与势头［J］. 遥感学报，2021，25〔11〕：2198-2210.
［15］ 骆剑承，周成虎，杨艳. 人工神经网络遥感影像分类模型及其与知识集成方法研究［J］. 遥感学报，2001，5〔2〕：122-129.
引文格式：刘同文，徐进达，薛立明. 遥感大数据智能监测平台研究及应用［J］. 北京测绘，2023，37〔12〕：1581-1584.
［作者简介］刘同文〔1985—〕，男，山东鄄城人，硕士，高级工程师，从事遥感技术研究及应用就业。
E-mail：***@***.com
［通信作者］ 徐进达，Email：***@***.com
社群交流 / 原创投稿 / 商务协作
来源：测绘学术资讯