李德仁,張良培,夏桂松

1.武漢大學測繪遙感信息工程國家重點實驗室,湖北武漢 430079;2.地球空間信息技術協(xié)同創(chuàng)新中心,湖北武漢 430079

遙感大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘

李德仁1,2,張良培1,2,夏桂松1,2

1.武漢大學測繪遙感信息工程國家重點實驗室,湖北武漢 430079;2.地球空間信息技術協(xié)同創(chuàng)新中心,湖北武漢 430079

成像方式的多樣化以及遙感數(shù)據(jù)獲取能力的增強,導致遙感數(shù)據(jù)的多元化和海量化,這意味著遙感大數(shù)據(jù)時代已經來臨。然而,現(xiàn)有的遙感影像分析和海量數(shù)據(jù)處理技術難以滿足當前遙感大數(shù)據(jù)應用的要求。發(fā)展適用于遙感大數(shù)據(jù)的自動分析和信息挖掘理論與技術,是目前國際遙感科學技術的前沿領域之一。本文圍繞遙感大數(shù)據(jù)自動分析和數(shù)據(jù)挖掘等關鍵問題,深入調查和分析了國內外的研究現(xiàn)狀和進展,指出了在遙感大數(shù)據(jù)自動分析和數(shù)據(jù)挖掘的科學難題和未來發(fā)展方向。

遙感大數(shù)據(jù);表達;檢索;理解;數(shù)據(jù)挖掘

1 大數(shù)據(jù)和遙感大數(shù)據(jù)

近年來,隨著信息科技和網(wǎng)絡通信技術的快速發(fā)展,以及信息基礎設施的完善,全球數(shù)據(jù)呈爆發(fā)式增長。國際數(shù)據(jù)資訊公司(International Data Corporation,IDC)的最新研究指出,全球過去幾年新增的數(shù)據(jù)量是人類有史以來全部數(shù)據(jù)量的總和,到2020年,全球產生的數(shù)據(jù)總量將達到40 ZB左右[1],而其中95%的數(shù)據(jù)是不精確的、非結構化的數(shù)據(jù)[2]。一般而言,把這些非結構化或半結構化的、遠超出正常數(shù)據(jù)處理規(guī)模的、通過傳統(tǒng)的數(shù)據(jù)處理方法分析困難的數(shù)據(jù)稱為大數(shù)據(jù)(big data)。大數(shù)據(jù)具有體量大(volume)、類型雜(variety)、時效強(velocity)、真?zhèn)坞y辨(veracity)和潛在價值大(value)等特征[3]。

大數(shù)據(jù)隱含著巨大的社會、經濟、科研價值,被譽為未來世界的“石油”,已成為企業(yè)界、科技界乃至政界關注的熱點。2008年和2011年《Nature》和《Science》等國際頂級學術刊物相繼出版?？接憣Υ髷?shù)據(jù)的研究[4-5],標志著大數(shù)據(jù)時代的到來。在商業(yè)領域,IBM、Oracle、微軟、谷歌、亞馬遜、Facebook等跨國巨頭是發(fā)展大數(shù)據(jù)處理技術的主要推動者。在科學研究領域,2012年3月,美國奧巴馬政府6個部門宣布投資2億美元聯(lián)合啟動“大數(shù)據(jù)研究和發(fā)展計劃”[6-7],這一重大科技發(fā)展部署,堪比20世紀的信息高速公路計劃。英國也將大數(shù)據(jù)研究列為戰(zhàn)略性技術,對大數(shù)據(jù)研發(fā)給予優(yōu)先資金支持。2013年英國政府向航天等領域的大數(shù)據(jù)研究注資約1.9億英鎊[8]。我國也已將大數(shù)據(jù)科學的研究提上日程, 2013年國家自然科學基金委開設了“大數(shù)據(jù)”研究重點項目群?？傮w而言,大數(shù)據(jù)科學作為一個橫跨信息科學、社會科學、網(wǎng)絡科學、系統(tǒng)科學、心理學、經濟學等諸多領域的新型交叉學科,已成為科技界的研究熱點。

目前來看,國際上針對大數(shù)據(jù)的科學研究仍處于起步階段,大數(shù)據(jù)的工程技術研究走在科學研究的前面[9]。絕大多數(shù)研究項目都是應對大數(shù)據(jù)帶來的技術挑戰(zhàn),重視的是數(shù)據(jù)工程而非數(shù)據(jù)科學本身。為了深入研究大數(shù)據(jù)的計算基礎研究,需要面向某種特定的應用展開研究。

在遙感和對地觀測領域,隨著對地觀測技術的發(fā)展,人類對地球的綜合觀測能力達到空前水平。不同成像方式、不同波段和分辨率的數(shù)據(jù)并存,遙感數(shù)據(jù)日益多元化;遙感影像數(shù)據(jù)量顯著增加,呈指數(shù)級增長;數(shù)據(jù)獲取的速度加快,更新周期縮短,時效性越來越強。遙感數(shù)據(jù)呈現(xiàn)出明顯的“大數(shù)據(jù)”特征。

然而,與遙感數(shù)據(jù)獲取能力形成鮮明對比的是遙感信息處理能力十分低下[10-11]。現(xiàn)有的遙感影像處理和分析技術,主要針對單一傳感器設計,沒有考慮多源異構遙感數(shù)據(jù)的協(xié)同處理要求。遙感信息處理技術和數(shù)據(jù)獲取能力之間出現(xiàn)了嚴重的失衡,遙感信息處理仍然停留在從“數(shù)據(jù)到數(shù)據(jù)”的階段,在實現(xiàn)從數(shù)據(jù)到知識轉化上明顯不足,對遙感大數(shù)據(jù)的利用率低,陷入了“大數(shù)據(jù),小知識”的悖論。更有甚者,由于大量堆積的數(shù)據(jù)得不到有效利用,海量的數(shù)據(jù)長期占用有限的存儲空間,將造成某種程度上的“數(shù)據(jù)災難”。

大數(shù)據(jù)的價值不在其“大”而在其“全”,在其對數(shù)據(jù)后隱藏的規(guī)律或知識的全面反映。同樣,遙感大數(shù)據(jù)的價值不在其海量,而在其對地表的多粒度、多時相、多方位和多層次的全面反映,在于隱藏在遙感大數(shù)據(jù)背后的各種知識(地學知識、社會知識、人文知識等)。遙感大數(shù)據(jù)利用的終極目標在于對遙感大數(shù)據(jù)中隱藏知識的挖掘。因此,有必要研究適應于遙感大數(shù)據(jù)的自動處理和數(shù)據(jù)挖掘方法,通過對數(shù)據(jù)的智能化和自動分析從遙感大數(shù)據(jù)中挖掘地球上的相關信息,實現(xiàn)從遙感數(shù)據(jù)到知識的轉變,突破這種“大數(shù)據(jù),小知識”的遙感數(shù)據(jù)應用瓶頸。

本文主要討論遙感大數(shù)據(jù)的智能分析與信息挖掘問題。在大數(shù)據(jù)的背景下,借助和發(fā)展相關技術,開展對遙感大數(shù)據(jù)的研究,一方面可以豐富“大數(shù)據(jù)科學”的內涵,另一方面也可有效地破解遙感對地觀測所面臨的“大數(shù)據(jù),小知識”的困局,具有十分重要的科學價值和現(xiàn)實意義。

2 遙感大數(shù)據(jù)的自動分析

遙感大數(shù)據(jù)的自動分析是進行遙感大數(shù)據(jù)信息挖掘、實現(xiàn)遙感觀測數(shù)據(jù)向知識轉化的前提,其主要目的是建立統(tǒng)一、緊湊和語義的遙感大數(shù)據(jù)表示,從而為后續(xù)的數(shù)據(jù)挖掘奠定基礎。遙感大數(shù)據(jù)的自動分析主要包含數(shù)據(jù)的表達、檢索和理解等方面。

2.1 遙感大數(shù)據(jù)的表達

隨著對地觀測遙感大數(shù)據(jù)不斷涌現(xiàn),其語義的復雜性、數(shù)據(jù)維度語義的豐富性、傳感器語義的多樣性等新特點使得傳統(tǒng)的表達方式已不能滿足實際應用需求[12-13]。同一地物的不同粒度、時相、方位和層次的觀測數(shù)據(jù)可以看作是該地物在不同觀測空間的投影,因此,遙感大數(shù)據(jù)的特征提取需要考慮多源、多分辨率影像特有的特征表達模型,以及特征間的關系和模型的相互轉化。研究遙感大數(shù)據(jù)的特征計算方法,從光譜、紋理、結構等低層特征出發(fā),抽取多元特征的本征表示,跨越從局部特征到目標特性的語義鴻溝,進而建立遙感大數(shù)據(jù)的目標一體化表達模型是遙感大數(shù)據(jù)表達的核心問題。研究內容主要包括:

(1)遙感大數(shù)據(jù)的多元離散特征提取:在大數(shù)據(jù)的框架下,需要研究多分辨率、多數(shù)據(jù)源、多時空譜的遙感影像特征提取,形成遙感大數(shù)據(jù)在不同傳感器節(jié)點的離散、多元特征提取方法。

(2)遙感大數(shù)據(jù)多元特征的歸一化表達:遙感大數(shù)據(jù)的特征提取需要考慮多元離散特征的融合和降維。特征融合旨在把多元特征統(tǒng)一到同一個區(qū)分特征空間中,用數(shù)據(jù)變換的方式將不同源、不同分辨率的離散特征同化到大數(shù)據(jù)的應用空間。同時,多元特征的維數(shù)分析目的在于將遙感大數(shù)據(jù)的高維混合特征空間進行維數(shù)減少,形成歸一化的低維特征節(jié)點和數(shù)據(jù)流形,以提高大數(shù)據(jù)處理的效率。

2.2 遙感大數(shù)據(jù)的檢索

遙感大數(shù)據(jù)應用正朝著網(wǎng)絡化、集成化的方向發(fā)展。世界各國也紛紛制定了國家級別空間數(shù)據(jù)基礎設施的計劃,旨在通過網(wǎng)絡的方式,提供高程、正射影像、水文、行政邊界、交通網(wǎng)絡、地籍、大地控制以及各種專題數(shù)據(jù)的訪問與下載服務。例如,美國政府建立的空間信息門戶,其目標在于建立一站式地理空間站點,以提高政府工作效率以及為大眾提供空間信息服務,在一定程度上方便了信息的獲取。然而,這種服務模式主要是通過目錄搜索的方式提供數(shù)據(jù)下載,對于數(shù)據(jù)的處理和分析還遠遠不夠,難以實現(xiàn)對用戶需求的按需服務[14]。現(xiàn)有的地理信息和遙感數(shù)據(jù)服務鏈還難以對任務需求變化和動態(tài)環(huán)境變化進行自適應處理,也難以在任務并發(fā)情況下進行服務協(xié)同優(yōu)化。

為了從海量遙感大數(shù)據(jù)中檢索出符合用戶需求和感興趣的數(shù)據(jù),必須對數(shù)據(jù)間的相似性和相異性進行度量。在此基礎上的高效遙感大數(shù)據(jù)組織、管理和檢索,可以實現(xiàn)從多源多模態(tài)數(shù)據(jù)中快速地檢索感興趣目標,提高遙感大數(shù)據(jù)的利用效率。對于遙感場景數(shù)據(jù)的檢索目前基本實現(xiàn)了基于影像特征的搜索。然而,在遙感大數(shù)據(jù)中,同一地物的不同觀測數(shù)據(jù)存在大量的冗余性和相似性,如何利用這些冗余信息,研究圖像的相似性或差異性、充分挖掘圖像的語義信息,有效提高檢索效率是遙感大數(shù)據(jù)利用的關鍵問題。

僅針對某一類型圖像的傳統(tǒng)遙感圖像檢索方法已難以適用于遙感大數(shù)據(jù)的檢索,發(fā)展知識驅動的遙感大數(shù)據(jù)檢索方法是有效途徑之一(如圖1所示),主要包括:

(1)場景檢索服務鏈的建立:由于遙感圖像描述的是地表信息,不存在明確或單一的主題信息[14],而傳感器和成像條件的多樣化又導致了遙感圖像的多樣化,因此,需要在遙感影像語義特征提取、目標識別、場景識別與自主學習的基礎上,針對不同類型遙感數(shù)據(jù)的特點,建立適合數(shù)據(jù)類型與用于需求的場景檢索服務鏈,獲取不同類型遙感數(shù)據(jù)所共有的地學知識,為檢索多源異質數(shù)據(jù)提供知識基礎。

(2)多源海量復雜場景數(shù)據(jù)智能檢索系統(tǒng):海量場景數(shù)據(jù)智能檢索系統(tǒng)基于用戶給定的待檢索信息(文本描述、場景圖像等)對多源海量遙感數(shù)據(jù)進行檢索,快速返回用戶所需的場景。

(3)融入用戶感知信息的知識更新方法:相關反饋技術作為一種監(jiān)督的自主學習方法,是基于內容的圖像檢索中提高圖像檢索性能的重要手段。相關反饋是一種通過用戶對檢索結果的反饋,把低層次特征與高層語義進行實時關聯(lián)的機制[14],其基本思想是:查詢時,首先由系統(tǒng)對用戶提供查詢結果,然后用戶反饋給系統(tǒng)其對于結果的滿意程度,從而鍛煉和提高系統(tǒng)的學習能力以模擬人類的對圖像的感知能力,達到高層語義檢索的目的。

圖1 遙感大數(shù)據(jù)場景檢索策略Fig.1 Retrieval scheme of remote sensing images

2.3 遙感大數(shù)據(jù)的理解

遙感大數(shù)據(jù)科學的主要目標是實現(xiàn)數(shù)據(jù)向知識的轉化,因此遙感大數(shù)據(jù)場景的語義理解至關重要[15-18]。目前對于遙感場景數(shù)據(jù)的處理基本實現(xiàn)了由“面向像素”到“面向對象”的處理方式的過渡,能夠實現(xiàn)對象層-目標層的目標提取與識別[15]。然而,由于底層數(shù)據(jù)與高層語義信息間存在語義鴻溝,缺乏對目標與目標關系的認知、目標與場景關系的認知,造成了在目標識別過程中對獲取的場景信息利用能力不足的問題[16-21]。為了實現(xiàn)遙感大數(shù)據(jù)的場景高層語義信息的高精度提取,在遙感大數(shù)據(jù)特征提取和數(shù)據(jù)檢索的基礎上,應主要研究以下內容(如圖2所示):

(1)特征-目標-場景語義建模:為了實現(xiàn)遙感大數(shù)據(jù)的場景語義理解,克服場景理解中的語義鴻溝問題,需要發(fā)展從目標-場景關系模型、特征-視覺詞匯-場景模型、特征-目標-場景一體化模型3個方向,研究特征-目標-場景的語義模型。

(2)遙感大數(shù)據(jù)的場景多元認知:以多源、多尺度等多元特征為輸入,以特征-目標-場景語義模型為基礎,研究遙感大數(shù)據(jù)的場景多元認知方法,提供多元化語義知識輸出。

圖2 遙感大數(shù)據(jù)場景語義理解Fig.2 Semantic scene understanding of remote sensing big data

2.4 遙感大數(shù)據(jù)云

遙感云基于云計算技術將各種遙感信息資源進行整合,建立基于遙感云服務的新型業(yè)務應用與服務模式,提供面向公眾的遙感資源一體化的地球空間服務[22]。遙感云將各種空天地傳感器及其獲取的數(shù)據(jù)資源、數(shù)據(jù)處理的算法和軟件資源以及工作流程等進行整合,利用云計算的分布式特點,將數(shù)據(jù)資源的存儲、處理及傳輸?shù)确植荚诖罅康姆植际接嬎銠C上,使得用戶能快速地獲取服務。國家測繪地理信息局建設的地理信息綜合服務網(wǎng)站——天地圖,就是利用分布式存儲技術來存儲全球的地理信息數(shù)據(jù),這些數(shù)據(jù)以矢量、影像、三維3種模式來展現(xiàn),通過門戶網(wǎng)站實現(xiàn)了地理信息資源共享。Open RS Cloud是一個基于云計算的開放式遙感數(shù)據(jù)處理與服務平臺,可以直接利用其虛擬Web桌面進行快速的遙感數(shù)據(jù)處理和分析。GeoSquare利用高效的服務鏈網(wǎng)絡為用戶提供輸入輸出管理工具來構建可視化的服務鏈模型進行遙感數(shù)據(jù)處理。目前正在建立的空天地一體化對地觀測傳感網(wǎng)旨在獲取全球、全天時、全天候、全方位的空間數(shù)據(jù),為遙感云中數(shù)據(jù)獲取、處理及應用奠定基礎。

3 遙感大數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中通過算法搜索其隱藏信息的過程[23],是目前大數(shù)據(jù)處理的重要手段和有效方法,可以從遙感大數(shù)據(jù)中發(fā)現(xiàn)地表的變化規(guī)律,并探索出自然和社會的變化趨勢。下面將具體分析遙感大數(shù)據(jù)挖掘過程和遙感大數(shù)據(jù)和廣義遙感大數(shù)據(jù)的綜合挖掘。

3.1 遙感大數(shù)據(jù)挖掘過程

對大數(shù)據(jù)進行數(shù)據(jù)挖掘整個過程包含數(shù)據(jù)獲取與存儲、數(shù)據(jù)處理與分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化及數(shù)據(jù)融合等,這些過程都具有大數(shù)據(jù)的特點[22-24],如圖3所示。而相較于數(shù)據(jù)檢索和信息提取而言,數(shù)據(jù)挖掘的難度更大,它依賴于基于大數(shù)據(jù)和知識庫的智能推理等的理論和技術支撐。遙感大數(shù)據(jù)的數(shù)據(jù)挖掘具體過程為:首先是數(shù)據(jù)的獲取和存儲,存儲從各種不同的傳感器獲取的海量、多源遙感數(shù)據(jù)并利用去噪、采樣、過濾等方法進行篩選整合成數(shù)據(jù)集;然后對數(shù)據(jù)集進行處理和分析,如利用線性和非線性等統(tǒng)計學方法分析數(shù)據(jù)并根據(jù)一定規(guī)則對數(shù)據(jù)集分類,并分析數(shù)據(jù)間及數(shù)據(jù)類別間的關系等;接著對分類后的數(shù)據(jù)進行數(shù)據(jù)挖掘,利用人工神經網(wǎng)絡、決策樹、云模型、深度學習等方法探索和發(fā)現(xiàn)數(shù)據(jù)間的內在聯(lián)系、隱含信息、模式及知識[23-24];最后可視化這些模式及知識等,用一種直觀的展示來方便用戶理解,并將有關聯(lián)的類別進行融合,方便分析和利用。

圖3 遙感大數(shù)據(jù)的數(shù)據(jù)挖掘過程Fig.3 The procedure of remote sensing big data mining

3.2 遙感大數(shù)據(jù)和廣義遙感大數(shù)據(jù)的綜合挖掘

遙感大數(shù)據(jù)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。一方面,它能與GIS數(shù)據(jù)等其他空間大數(shù)據(jù)有較好的互補關系;另一方面,廣義的遙感大數(shù)據(jù)應該包含所有的非接觸式的成像數(shù)據(jù),這些遙感大數(shù)據(jù)和廣義遙感大數(shù)據(jù)的綜合信息挖掘能揭示更多的地球知識和變化規(guī)律。

隨著智慧城市在中國和全世界的推廣以及視頻架構網(wǎng)的完善,視頻監(jiān)控頭作為一種特殊的遙感傳感器在城市的智慧安防、智慧交通和智慧城管中有大量應用[21-22]。2005年國務院啟動平安城市的計劃,在660個城市裝了2200多萬個攝像頭,大部分城市裝了25～60萬個攝像頭,存儲的數(shù)據(jù)達到PB級別。這些廣義遙感時空大數(shù)據(jù)包含了豐富的信息,如果對這些數(shù)據(jù)進行信息挖掘,就可以從中發(fā)現(xiàn)地球上的一些精細尺度的變化規(guī)律,例如人類的生活和行為等。

然而這些廣義遙感時空大數(shù)據(jù),目前不僅存儲費用昂貴,而且不能得到很好的分析,無法發(fā)揮其在智慧城市中的作用[22,24],亟須尋求自動化的數(shù)據(jù)智能處理和挖掘的方法,發(fā)展對空間地理分布的視頻數(shù)據(jù)進行時空數(shù)據(jù)挖掘的新理論和新算法。

時空分布的視頻數(shù)據(jù)挖掘其目的不僅是進行智能的數(shù)據(jù)處理和信息提取,更重要的是通過時空分布的視頻數(shù)據(jù)挖掘自動區(qū)分正常行為和異常行為的人、車、物,從而對海量的視頻數(shù)據(jù)進行合適的處理,例如刪除與人們正常活動有關的、需要保護的私隱活動數(shù)據(jù),而保留包含可疑事件的數(shù)據(jù)。

時空數(shù)據(jù)挖掘指從時空數(shù)據(jù)中提取出隱含的、未知的、有用的信息及知識,時間維度和空間維度增加了其挖掘過程的復雜性,因此,時空數(shù)據(jù)的挖掘需要綜合運用多種數(shù)據(jù)挖掘方法,如統(tǒng)計方法、聚類法、歸納法、云理論等[23-24]。時空分布的視頻數(shù)據(jù)挖掘的主要研究內容包括行為分析,基于時空視頻序列的事件檢測等內容。

3.3 遙感大數(shù)據(jù)挖掘的潛在應用

遙感大數(shù)據(jù)挖掘不僅能用于挖掘地球各種尺度的變化規(guī)律,而且能用于發(fā)現(xiàn)未知的,甚至與遙感本身不相關的知識[22,24],其中一個典型的應用是用夜光遙感技術發(fā)現(xiàn)夜光和戰(zhàn)爭之間的關系。例如,借助美國國家海洋和大氣管理局免費公布的相關衛(wèi)星數(shù)據(jù),可以繪制出169個國家的夜光趨勢圖[25],通過統(tǒng)計分析得到全球夜光波動指數(shù),發(fā)現(xiàn)每年夜光波動程度與當年全球發(fā)生武裝沖突數(shù)量的相關度很高,相關系數(shù)達到0.7以上[25]。如果利用數(shù)據(jù)挖掘的方法把所有國家按照夜光波動進行分級,夜光波動最大的一類國家,在近20年內發(fā)生戰(zhàn)爭的幾率為80%,夜光波動較大或者極大的53個國家中,有30個遭受戰(zhàn)爭侵擾。因此,可以得出結論:夜光突然減少,一般情況下對應著戰(zhàn)爭爆發(fā)和因海嘯等天災造成的居民大規(guī)模遷徙;夜光突然增加,一般意味著戰(zhàn)爭結束以及戰(zhàn)后、災后重建。一個國家的夜光波動越大,說明在該段時間發(fā)生戰(zhàn)爭的可能性越大。

4 結語與展望

未來10年,我國遙感數(shù)據(jù)的種類和數(shù)量將飛速增長,對地觀測的廣度和深度快速發(fā)展,亟須開展遙感大數(shù)據(jù)的研究。然而,衛(wèi)星上天和遙感數(shù)據(jù)的收集只是遙感對地觀測的第一步,如何高效地處理和利用已有的和這些即將采集的海量多源異構遙感大數(shù)據(jù),將遙感大數(shù)據(jù)轉化成知識是主要的理論挑戰(zhàn)和技術瓶頸。研究遙感大數(shù)據(jù)的自動分析和數(shù)據(jù)挖掘,能為突破這一瓶頸提供有效的方法,有望顯著提高對遙感數(shù)據(jù)的利用效率,從而加強遙感在環(huán)境遙感、城市規(guī)劃、地形圖更新、精準農業(yè)、智慧城市等方面的應用效力。因此,重視和抓緊遙感大數(shù)據(jù)的研究不僅具有非常重要的學術價值,而且具有重要的現(xiàn)實意義。

[1] ADSHEAD A.Data Set to Grow 10-fold by 2020 as Internet of Things Takes off[EB/OL].[2014-04-09].http:∥www.computerweekly.com/news/2240217788/data-setto-grow-10-fold-by-2020-as-internet-of-things-takes-off.

[2] MAYER S V,CUKIER K.Big Data:a Revolution That Will Transform How We Live,Work,and Think[M].Translated by ZHOU Tao.Hangzhou:Zhejiang People’s Publishing House,2012.(MAYER S V,CUKIER K.大數(shù)據(jù)時代:生活,工作與思維的大變革[M].周濤,譯.杭州:浙江人民出版社,2012.)

[3] ZIKOPOULOS P,EATON C,DEROOS D,et al.Understanding of Big Data[M].New York:Mc Graw Hill,2012.

[4] DAVID G.Big Data[J].Nature,2008,455(7209):1-136.

[5] WOUTER L,JOHN W.Dealing with Big Data[J].Science, 2011,331(6018):639-806.

[6] White House Office of Science and Technology Policy.Big Data is a Big Deal[EB/OL].[2012-03-29].http:∥www.whitehouse.gov/blog/2012/03/29/big-data-big-deal.

[7] White House Executive Office of the President.Big Data across the Federal Government[EB/OL].[2012-03-29].http:∥www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet.pdf.

[8] WANG Weihang.The British Provides Huge Sum of Money for Developing Big Data Technologies to Promote Economic Growth[EB/OL].[2013-05-31].http:∥www.e-gov.org.cn/xinxihua/news003/201305/141545.html.(王葦航.英國斥巨資發(fā)展大數(shù)據(jù)技術以期推動經濟增長[EB/OL].[2013-05-31].http:∥www.e-gov.org.cn/xinxihua/ news003/201305/141545.html.)

[9] LI Guojie,CHENG Xueqi.Research Status and Scientific Thinking of Big Data[J].Bulletin of Chinese Academy of Sciences,2012,27(6):647-657.(李國杰,程學旗.大數(shù)據(jù)研究:未來科技及經濟社會發(fā)展的重大戰(zhàn)略領域—大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J].中國科學院院刊,2012,27 (6):647-657.)

[10] LI Deren,TONG Qingxi,LI Rongxing,et al.Some Frontier Problems of High Resolution Earth Observation[J].Scientia Sinica Terrae,2012,42(6):805-813.(李德仁,童慶禧,李榮興,等.高分辨率對地觀測的若干前沿科學問題[J].中國科學:地球科學,2012,42(6):805-813.)

[11] QUARTULLI M,OLAIZOLA I G.A Review of EO Image Information Mining[J].ISPRS Journal of Photogrammetry and Remote Sensing,2013(75):11-28.

[12] XIN Fangfang,JIAO Licheng,WANG Guiting.Change Detection in Multitemporal Remote Sensing Images Based on Dynamic Fuzzy Fisher Classifier and Non Local Mean Weighted Method[J].Acta Geodaetica et Cartographica Sinica,2012,41(4):584-590.(辛芳芳,焦李成,王桂婷.非局部均值加權的動態(tài)模糊Fisher分類器的遙感圖像變化檢測[J].測繪學報,2012,41(4):584-590.)

[13] LI Hui,XIAO Pengfeng,FENG Xuezhi,et al.Multi-scale Edge Detection in Multispectral Remotely Sensed Imagery Based Vector[J].Acta Geodaetica et Cartographica Sinica, 2012,41(1):100-107.(李暉,肖鵬峰,馮學智,等.基于向量場模型的多光譜遙感圖像多尺度邊緣檢測[J].測繪學報,2012,41(1):100-107.)

[14] ZHANG Nan.Content-based Remote Sensing Image Retrieval [D].Changsha:National University of Defense Technology,2008.(張男.基于內容的光學遙感圖像檢索關鍵技術研究[D].長沙:國防科學技術大學,2008.)

[15] YUAN Deyang,NIE Juan,DENG Lei,et al.Design and Implementation of Metadata-based Multi-source Remote Sensing Image Database Integration Technology[J].Science of Surveying and Mapping,2012,37(3):151-155.(袁德陽,聶娟,鄧磊,等.基于元數(shù)據(jù)的多源遙感影像數(shù)據(jù)庫集成技術研究與實現(xiàn)[J].測繪科學,2012,37(3): 151-155.)

[16] DATCU M,DASCHIEL H,PELIZZARI A,et al.Information Mining in Remote Sensing Image Archives:System Concepts[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(12):2923-2936.

[17] KOPERSKI A,TUSK C,MARCHISIO G,et al.Learning Bayesian Classifiers for Scene Classification with a Visual Grammar[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(3):581-589.

[18] PORWAY J,WANG Q,ZHU S C.A Hierarchical and Contextual Model for Aerial Image Parsing[J].International Journal of Computer Vision,2010,88(2):254-283.[19] LIENOU M L,MAITRE H,DATCU M.Semantic Annotation of Satellite Images Using Latent Dirichlet Allocation [J].IEEE Geoscience and Remote Sensing Letters,2010, 7(1):28-32.

[20] YUE P,WEI Y,DI L,et al.Sharing Geospatial Provenance in a Service-oriented Environment[J].Computers, Environment and Urban Systems,2011,35(2):333-343.[21] CHEN N.Geoproessing Workflow Driven Wildfire Hot Pixel Detection under Sensor Web Environment[J].Computers&Geosciences,2010,36:362-372.

[22] LI Deren,YAO Yuan,SHAO Zhenfeng.Big Data in Smart City[J].Geomatics and Information Science of Wuhan University,2014,39(6):631-640.(李德仁,姚遠,邵振峰.智慧城市中的大數(shù)據(jù)[J].武漢大學報:信息科學版, 2014,39(6):631-640.)

[23] HAN J,KAMBER M,PEI J.Data Mining:Concepts and Techniques[M].San Francisco:Morgan Kaufmann Publishers,2006.

[24] LI Deren,WANG Shuliang,LI Deyi.Spatial Data Mining Theories and Applications[M].Beijing:Science Press, 2013.(李德仁,王樹良,李德毅.空間數(shù)據(jù)挖掘理論與應用[M].北京:科學出版社,2013.)

[25] LI Xi.Luminous Remote Sensing Cultural Perspectives Observation to the Earth[EB/OL].[2014-05-30].http:∥ccnucity.ccnu.edu.cn/Show Detail.aspx?id＝5593(李熙.夜光遙感:以人文視角觀測地球[EB/OL].[2014-05-30].http:∥ccnucity.ccnu.edu.cn/Show Detail.aspx?id＝5593)

(責任編輯:宋啟凡)

Automatic Analysis and Mining of Remote Sensing Big Data

Ll Deren1,2,ZHANG Liangpei1,2,XlA Guisong1,2
1.State Key Laboratory of lnformation Engineering in Surveying,Mapping and Remote Sensing,Wuhan University, Wuhan 430079,China;2.Collaborative lnnovation Center of Geo-informatics,Wuhan 430079,China

With the diversification of the imaging methods and the growing categories,quantity,and observation frequency of remote sensing data,the ability of land-cover observation has reached an unprecedented level,which means a new era of big data in remote sensing is coming.However,the existing methods and processing techniques cannot fulfill the need of the big data application in remote sensing.Thus,to develop the automatic analysis and mining theory and techniques for remote sensing big data is among the most advanced international research areas.This paper investigates and analyses the domestic and overseas research status and progress around this field and points out its key problems and developing trends.

remote sensing big data;representation;retrieval;understanding;data mining

Ll Deren(1939—),male,PhD,professor, PhD supervisor,academicians of Chinese Academy of Science(CAS),Chinese Academy of Engineering(CAE) and lnternational Eurasian Academy of Sciences(lEAS), majors in photogrammetry and remote sensing.

P237

A

1001-1595(2014)12-1211-06

國家自然科學基金“空間信息網(wǎng)絡基礎理論與關鍵技術”重大研究計劃(培育項目);數(shù)據(jù)驅動的海量遙感影像高效信息挖掘(91338113)

2014-09-28

李德仁(1939—),男,博士,教授,博士生導師,中國科學院院士,中國工程院院士,國際歐亞科學院院士,主要研究方向為攝影測量與遙感。

LI Deren,ZHANG Liangpei,XIA Guisong.Automatic Analysis and Mining of Remote Sensing Big Data[J].Acta Geodaetica et Cartographica Sinica,2014,43(12):1211-1216.(李德仁,張良培,夏桂松.遙感大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘[J].測繪學報,2014,43 (12):1211-1216.)

10.13485/j.cnki.11-2089.2014.0187

修回日期:2014-10-20