洪勇豪，亓鄭男，張麗麗

（河海大學計算機與信息學院，江蘇 南京 210098）

1 遙感發(fā)展史

1.1 國外遙感發(fā)展史

1858 年法國用系留氣球拍攝了巴黎的鳥瞰相片，1903 年萊特兄弟發(fā)明了飛機，并于1909年得到第1張航空相片，從此開啟了俯瞰大地的技術(shù)研究。一戰(zhàn)期間（1914—1918 年）形成獨立的航空攝影測量學的學科體系；二戰(zhàn)期間（1931—1945 年）彩色攝影、紅外攝影、雷達技術(shù)、多光譜攝影、掃描技術(shù)及運載工具和判讀成圖設(shè)備開始投入使用；1957 年前蘇聯(lián)發(fā)射了人類第1顆人造地球衛(wèi)星；20 世紀60年代美國發(fā)射了 TIROS，ATS，ESSA 等氣象衛(wèi)星和載人宇宙飛船，其中1972年美國發(fā)射的地球資源技術(shù)衛(wèi)星 ERTS-1（后改名為 Landsat-1）裝有 MSS 傳感器，分辨率為79m，1982 年發(fā)射的Landsat-4，裝有 TM 傳感器，分辨率提高到30m。1986 年法國發(fā)射了 SPOT-1，裝載了 PAN 和 XS 遙感器，分辨率提高到10m。1999 年美國又發(fā)射了IKNOS，空間分辨率繼續(xù)提高到1m。2000 年，以色列發(fā)射了 1.8 m 分辨率的地球資源觀測衛(wèi)星1號；2003 年美國成功發(fā)射了分辨率為61cm 的快鳥2號遙感衛(wèi)星；2011 和2012年法國 SPOT 衛(wèi)星公司先后成功發(fā)射 Pleiades 高分辨率衛(wèi)星組；2013 年2月11 日，Landsat-8 衛(wèi)星在加州范登堡空軍基地進行發(fā)射。遙感衛(wèi)星在短短幾十年內(nèi)從百米分辨率進入了亞米級高分辨率時代，為科學研究帶來了巨大變化。

1.2 國內(nèi)遙感發(fā)展史

我國遙感衛(wèi)星應(yīng)用起步于20世紀70年代末，由于起步較晚，我國遙感技術(shù)在前期階段落后于國外的發(fā)展，自主數(shù)據(jù)匱乏，多以引進國外衛(wèi)星數(shù)據(jù)為主。經(jīng)過數(shù)年快速發(fā)展，我國遙感事業(yè)取得了長足進步。到目前為止我國自主研發(fā)并發(fā)射衛(wèi)星50余顆，擁有風云氣象、海洋、中巴資源、環(huán)境減災(zāi)、遙感衛(wèi)星等系列，以及北京1號、天繪等眾多自主遙感衛(wèi)星[1]，標志著我國遙感事業(yè)已邁入國際領(lǐng)先行列。2013 年我國成功發(fā)射高分1號衛(wèi)星，作為中國高分對地觀測系統(tǒng)的首發(fā)星，高分1號突破了高空間分辨率、多光譜與寬覆蓋相結(jié)合的光學遙感等關(guān)鍵技術(shù)。高分1號搭載了2臺2m 分辨率全色/8 m分辨率多光譜相機，4 臺16m 分辨率多光譜相機，并于同年12月30日正式投入使用，已經(jīng)在資源勘探、農(nóng)業(yè)、氣象和水利等領(lǐng)域進行了相關(guān)研究。高分2號于2014年發(fā)射成功，搭載了2臺1m 分辨率全色/4 m 分辨率多光譜相機，并于2015年3月6日正式投入使用。高分3號成功發(fā)射，不同于高分1號和2號，高分3號是首顆分辨率達到1m 的 C 頻段多極化合成孔徑雷達（SAR）成像衛(wèi)星，2016 年發(fā)射，并經(jīng)過5個月的在軌運行測試，于2017年1月23 日投入使用。高分4號于2015年成功發(fā)射，是中國首顆地球同步軌道高分辨率遙感衛(wèi)星，搭載有1 臺可見光50m/中波紅外400m 分辨率的面陣相機，于2016年6月13日正式投入使用。2018 年5—6 月，我國相繼發(fā)射首顆實現(xiàn)對大氣及陸地綜合觀測的全譜段高光譜衛(wèi)星高分5號和首顆精準農(nóng)業(yè)觀測的高分衛(wèi)星高分6號，并于2019年3月21日2 顆衛(wèi)星同時正式投入使用。

20 世紀80年代，我國將遙感技術(shù)引入到水利事業(yè)中來，服務(wù)于洪澇災(zāi)害、旱情監(jiān)測、水源監(jiān)測和水土保持等多方面，開啟了遙感技術(shù)應(yīng)用于水利的新篇章。

2 遙感在水利中的應(yīng)用現(xiàn)狀

2.1 洪澇災(zāi)害監(jiān)測評估

我國幅員遼闊，大陸性季風氣候特征十分顯著，因此我國的洪澇災(zāi)害具有發(fā)生范圍廣、頻次高、損失大、突發(fā)性強的特點。洪澇災(zāi)害的突發(fā)性決定了洪澇災(zāi)害的預(yù)報信息需要進行及時有效的反饋，傳統(tǒng)的人工信息采集手段，已經(jīng)無法滿足洪澇災(zāi)害監(jiān)測的需要。

遙感技術(shù)具有快速、有效、實時、范圍廣的特點，利用遙感監(jiān)測洪澇，不僅可以動態(tài)監(jiān)測水情，還可以進行災(zāi)情評估。目前光學遙感影像廣泛應(yīng)用于洪水動態(tài)監(jiān)測及災(zāi)情評估。其中 MODIS 遙感數(shù)據(jù)又憑其高時間分辨率（0.5 d）、高空間分辨率（250 m）和高光譜等顯著優(yōu)點， 能很好地捕捉到洪水期間水體淹沒的動態(tài)變化過程，成為光學遙感災(zāi)情監(jiān)測評估的代表。潘繼亞等[2]利用 MODIS 數(shù)據(jù)通過單波段閾值法對曼谷洪水淹沒區(qū)進行了信息提取，繪制了淹沒范圍面積的動態(tài)變化曲線，其基本原理是利用水體在近紅外波段上反射率低，容易與其它地物區(qū)分開來的特點，是提取水體比較簡單易行的方法；饒品增等[3]利用 MODIS 數(shù)據(jù)時間分辨率較高的特點，提出了基于多期影像疊加的方式，利用隨機森林的方法確定了洪水水體淹沒范圍，并且基于獲取的洪水水體淹沒范圍統(tǒng)計了可能造成的農(nóng)作物損失情況等。光學遙感衛(wèi)星通過豐富的光譜信息可以準確監(jiān)測地物，但是易受環(huán)境的影響，各地物的光譜灰度值會隨季節(jié)、氣象等條件而發(fā)生變化。另外，光學衛(wèi)星波段穿透性有限，特別是在洪水發(fā)生期間，多為連續(xù)陰雨天氣，使得光學數(shù)據(jù)的獲取受到了極大限制。SAR 由于分辨率較高，能夠全天時全天候工作，并且能夠穿云透霧，在洪水期間可為汛情監(jiān)測、災(zāi)情評估提供重要的數(shù)據(jù)支持。楊存健等[4]利用 DEM 數(shù)據(jù)結(jié)合 SAR 圖像的成像參數(shù)生成相應(yīng)的模擬雷達圖像，根據(jù)模擬雷達圖像上的陰影和原始雷達圖像提取的水體范圍，剔除被誤提為水體的陰影；湯玲英等[5]基于 Sentinel-1A 衛(wèi)星 SAR 數(shù)據(jù)，利用面向?qū)ο蟮姆椒?gòu)建了洪水淹沒范圍提取流程，實現(xiàn)了對廣西臨桂會仙巖溶濕地區(qū)域不同時期洪水的動態(tài)監(jiān)測，同樣結(jié)合 DEM 數(shù)據(jù)剔除了山體陰影對提取結(jié)果的影響。單純使用 SAR 圖像在包含山體建筑物等區(qū)域而言，提取洪水存在水體與陰影混淆的問題，容易造成誤提取，除了結(jié)合 DEM 數(shù)據(jù)的方法，現(xiàn)在洪水監(jiān)測中較為先進的是利用光學遙感和 SAR 圖像結(jié)合的方法，結(jié)合多種數(shù)據(jù)源，增加了影像的光譜信息，提高了地物的可區(qū)分性。趙昕等[6]綜合采用了MODIS 和 ASAR 數(shù)據(jù)提取了鄱陽湖地區(qū)洪水淹沒范圍，ASAR 和 MODIS 光譜指數(shù)綜合數(shù)據(jù)集的分類結(jié)果正確識別了被洪水淹沒的植被區(qū)域，比單純使用ASAR 數(shù)據(jù)集有了較大改進；王嘉芃等[7]利用面向?qū)ο蟮姆椒ㄌ崛×耸転?zāi)時 COSMO-SkyMed SAR 影像中的所有水體信息，然后利用多光譜影像的波段運算和決策樹分類提取災(zāi)前 SPOT-5 圖像中的水體信息，最后進行差值運算，提取了災(zāi)時洪水淹沒的水體空間信息，為洪災(zāi)監(jiān)測和災(zāi)情評估提供了參考。

微波成像機理與光學遙感不同，在實際的洪澇監(jiān)測中往往綜合使用以有效彌補各自的不足，達到優(yōu)勢互補的效果。

2.2 旱情災(zāi)害監(jiān)測

以往國內(nèi)對應(yīng)機構(gòu)對旱情監(jiān)測并沒有行之有效的方法，一般多是布設(shè)土壤墑情監(jiān)測點，由于布設(shè)位置點帶有強烈的時域性和地域性缺點，耗時耗力，不適宜大面積應(yīng)用。

旱情遙感監(jiān)測方法具有監(jiān)測范圍廣、空間分辨率高、信息采集實時性強和業(yè)務(wù)應(yīng)用性好等特性。旱情遙感監(jiān)測是監(jiān)測土壤水分含量，通過土壤含水量的分布和多少反映干旱的分布區(qū)域和程度，目前較為常用的遙感干旱監(jiān)測評估的方法主要有4類：基于土壤熱慣量、土壤波譜特征、蒸散模型和植被指數(shù)等的旱情監(jiān)測方法[8]。土壤熱慣量是引起土壤表層溫度變化的內(nèi)在因素，它與土壤水分含量之間有著密切的相關(guān)關(guān)系，馬春鋒等[9]以 MODIS 數(shù)據(jù)為基礎(chǔ)，選用真實熱慣量模型，反演得到了黑河流域的土壤熱慣量，克服了以往表觀熱慣量模型在農(nóng)田生態(tài)系中應(yīng)用的局限性。土壤在不同濕度下在可見光及近紅外表現(xiàn)出不同的波譜特性，使利用光學和微波遙感進行土壤水分監(jiān)測評估成為可能，張紅衛(wèi)等[10]基于不同濕度的土壤的光譜反射特性，提出的地表含水量指數(shù)（Surface Water Content Index，SWCI）模型能夠較好地反映地表的含水量值及其變化，可用于大面積、快速的淺層土壤墑情遙感監(jiān)測；基于蒸散模型法主要是基于能量守恒，利用蒸散能量的變化反映地表濕度情況，通過遙感影像反演地表反射率、輻射率和表面溫度的同時，輔以地面觀測資料直接估算區(qū)域蒸散率，張長春等[11]人采用地表能量平衡系統(tǒng)（Surface Energy Balance System，SEBS）模型，利用美國國家海洋大氣局的第三代實用氣象觀測衛(wèi)星 NOAA/AVHRR 獲得的數(shù)據(jù)對中國重要的糧食和石油生產(chǎn)基地黃河三角洲區(qū)域蒸散量進行了研究，與同期降雨量對比確定了該地區(qū)的干旱程度，但是該方法涉及到一些地表熱力學參數(shù)，帶有較強地域性，無法業(yè)務(wù)化使用。

植被的生長狀態(tài)和土壤背景有著密切的關(guān)系，因此基于多光譜信息構(gòu)建的植被指數(shù)成為旱情監(jiān)測評估的重要理論基礎(chǔ)，楊婷等[12]以青藏高原地區(qū)為例，提出一種基于光學及微波遙感數(shù)據(jù)融合反演土壤水分的新方法，首先使用修正型土壤調(diào)整植被指數(shù)（Modified Soil Adjusted Vegetation Index，MSAVI）參數(shù)代替歸一化差異植被指數(shù)（Normalized Difference Vegetation Index，NDVI），減少 NDVI 易飽和的缺點，并利用 Aster GDEM（先進星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型）數(shù)據(jù)對地表溫度進行修正，然后結(jié)合降雨數(shù)據(jù)，建立了研究區(qū)的 BP 神經(jīng)網(wǎng)絡(luò)模型，并以此反演了觀測區(qū)的土壤水分分布。

旱情的發(fā)生通常涉及發(fā)生區(qū)域的水文變化并會影響該區(qū)域的植被長勢狀況，綜合利用土壤水分因素和植被含水量的旱情遙感監(jiān)測，更有利于提高遙感監(jiān)測的精度及對旱情時空發(fā)展的綜合評估能力。

2.3 地表水源監(jiān)測

地表水源是人類經(jīng)濟社會用水的重要儲蓄源，傳統(tǒng)的地表水源監(jiān)測是通過地面監(jiān)測站網(wǎng)人工或自動獲取點上的水體信息，由于地勢地形險峻及存有監(jiān)測盲區(qū)等問題，使得監(jiān)測結(jié)果沒有達到一定的精確程度[13]，而遙感技術(shù)恰恰彌補了這些短板。

通過遙感技術(shù)提取水體邊界、面積是進行地表水監(jiān)測的重要步驟之一，屬于對面狀地物的提取。Kloiber[14]利用 TM 影像、航空影像等數(shù)據(jù)對美國10 個主要城市的湖泊透明度進行評估，利用非監(jiān)督類的方法將 TM 影像分為10類，并將分類后的影像聚類成水體和陸地2類，利用聚類后的影像作為二值掩膜進一步生成只有水體的影像；李戈偉[15]利用 TM 遙感影像和水體指數(shù)法實現(xiàn)對洪水淹沒范圍的提??；李暢游[16]利用 ETM 遙感影像數(shù)據(jù)和多波段組合運算法提取烏梁素海的水體范圍，得到水體面積及邊界信息之后，結(jié)合地面監(jiān)測數(shù)據(jù)估算水深和蓄水量等地表水參數(shù)，通過不同時期影像操作實現(xiàn)動態(tài)監(jiān)測。1989 年，Harris等[17]采用 TM 和AVHRR 影像計算了北愛爾蘭 Lough 湖的面積，并分析了其面積變化成因，同時建立了該湖泊面積和水位的相關(guān)性模型；1996 年，Guirguis 等[18]以多個時相的假彩色合成圖像為數(shù)據(jù)源，采用主成分分析法研究了埃及 Brullus 湖近10a 的面積變化狀況，得出湖泊面積平均每年縮減 8.6 km2與圍湖造田有關(guān)；2015 年，陳文倩等[19]利用高分1號影像的第 1，2，4 波段構(gòu)造了陰影水體指數(shù)（Shadow Water Index，SWI），克服了山區(qū)水體提取過程中山體陰影的干擾；2016 年，馮沛華等[20]通過數(shù)次試驗發(fā)現(xiàn)歸一化差異植被指數(shù)，歸一化差異水體指數(shù)（Normalized Difference Water Index，NDWI）和改進的歸一化差異水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）3 種水體提取方法存在互補性，通過對3種指數(shù)進行組合，得到了水體信息提取優(yōu)化模型，去除了部分陰影對水體提取的影響。隨著遙感技術(shù)的快速發(fā)展，人們對地表水源監(jiān)測的精確程度和效率及針對觀測結(jié)果做出的決策也隨之提高和改善。

2.4 水土保持

中國是世界上水土流失最為嚴重的國家之一，由于特殊的自然地理和社會經(jīng)濟條件，使水土流失成為主要的環(huán)境問題。土壤侵蝕是造成水土流失現(xiàn)象的主要因素。

土壤侵蝕是發(fā)生在陸地表面自然與人文交互耦合的復(fù)雜地理過程，人們長期以來對土壤侵蝕進行定性和定量分析，并在此基礎(chǔ)上通過嚴格的數(shù)學方程建立土壤侵蝕研究模型。Cook 等[21]對水蝕因子與土壤侵蝕流失量分析并建立了數(shù)學模型，標志著土壤侵蝕定量理論研究的開始。我國學者基于國外模型也進行了相應(yīng)研究，張光輝等[22]認為，根據(jù)土壤侵蝕模型的建模手段和方法，土壤侵蝕模型可以分為經(jīng)驗統(tǒng)計和侵蝕機理過程模型；李國瑞[23]將其中的物理成因模型分為了物理過程和動力學模擬模型。隨著土壤侵蝕模型應(yīng)用的成熟，利用遙感技術(shù)獲取數(shù)據(jù)資料的手段也應(yīng)運而生，這是觀測手段的一次革命性變化。澳大利亞 Metternicht 等[24]基于ERDAS 軟件采用監(jiān)督分類方法進行土壤侵蝕特征信息提取，利用 JERS-1 SAR 和 Landsat TM2 類遙感影像中可見光、紅外、熱紅外和微波光譜特征，實現(xiàn)研究區(qū)土壤侵蝕特征監(jiān)測和制圖；Alice Servenay等[25]通過3期航空像片和1期 SPOT 影像，監(jiān)測墨西哥境內(nèi)的硬化火山上土壤侵蝕時空變化，對航空像片采用分割和圖像掩膜技術(shù)獲取不同時期的土壤侵蝕范圍，通過 SPOT 不同波段組合采用非監(jiān)督分類獲取土壤侵蝕范圍。通過對獲得的土壤侵蝕遙感影像進行定量、定性分析，以及模型匹配之后則可對相應(yīng)區(qū)域進行信息提取并采取治理措施。其中植被覆蓋度、葉面積指數(shù)等環(huán)境因子也是影響土壤侵蝕的關(guān)鍵。植被覆蓋度遙感反演方法主要為統(tǒng)計模型法、植被指數(shù)法和混合像元分解模型方法。Kerdiles 等[26]將 TM 圖像與 AVHRR 數(shù)據(jù)相結(jié)合，利用 NOAA/AVHRR NDVI 數(shù)據(jù)進行了混合像元分解，采用線性混合像元分解方法，對南美大草原的農(nóng)作物種植面積進行了估算?；谶b感技術(shù)的葉面積指數(shù)法有經(jīng)驗統(tǒng)計和基于冠層反射率模型法2種。經(jīng)驗統(tǒng)計模型法即通過實測數(shù)據(jù)建立植被指數(shù)與葉面積指數(shù)（Leaf Area Index，LAI）之間的回歸方程，用來估算 LAI，簡便易行，但普適性差，且需要先驗知識，同時沒有考慮非植被因素（土壤背景特征、地形、大氣特征）?；诠趯臃瓷渎誓Ｐ头ㄓ嬎?LAI 時主要采用了幾何光學或輻射傳輸模型，但模型反演復(fù)雜，需要的參數(shù)較多，一定程度上限制了其應(yīng)用[27]。

通過提取并分析某監(jiān)測區(qū)域內(nèi)土壤侵蝕狀況和各類環(huán)境因子信息，可做出相應(yīng)水土保持治理措施；并且通過對各類參數(shù)的動態(tài)監(jiān)測還可達到一定的預(yù)測效果。

3 遙感大數(shù)據(jù)在水利應(yīng)用中的展望

3.1 水利大數(shù)據(jù)

天地一體化空間信息網(wǎng)絡(luò)的形成，帶來的是海量、多源、異構(gòu)數(shù)據(jù)的爆發(fā)式增長，當前的遙感信息技術(shù)正逐漸進入遙感大數(shù)據(jù)時代。水利行業(yè)作為遙感技術(shù)應(yīng)用的重要領(lǐng)域，遙感大數(shù)據(jù)是水利大數(shù)據(jù)的重要組成部分。由于遙感數(shù)據(jù)的不準確性，因此在其為水利服務(wù)的同時，還需結(jié)合物聯(lián)網(wǎng)設(shè)備的實測數(shù)據(jù)，人工普查的信息數(shù)據(jù)，以構(gòu)成和拓展水利大數(shù)據(jù)體系，才能準確高效地為水利信息化的發(fā)展提供強有力的數(shù)據(jù)支持。水利大數(shù)據(jù)既包含關(guān)系型數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)，也包括采集的圖片、語音、視頻和文本等非結(jié)構(gòu)化數(shù)據(jù)，現(xiàn)有的技術(shù)架構(gòu)還無法高效地處理這些多源異構(gòu)的海量數(shù)據(jù)[28]。水利行業(yè)的特殊性決定了水利數(shù)據(jù)需要及時高效的反饋，例如在旱澇災(zāi)害監(jiān)測方面。因此，大數(shù)據(jù)時代，不僅包含大數(shù)據(jù)本身，也包含了對智能化信息提取手段的需求。

3.2 知識庫

遙感大數(shù)據(jù)時代下，最突出的技術(shù)是數(shù)據(jù)驅(qū)動模型代替?zhèn)鹘y(tǒng)的基于統(tǒng)計的知識模型，以深度學習算法為代表的機器學習算法，通過大量樣本數(shù)據(jù)學習目標的本質(zhì)特征，并且采用面向?qū)ο蟮闹R表達模型，從知識表示著手，建立統(tǒng)一的知識庫模型，將各類地物以對象組織描述，不僅記錄單一地物，還記錄其特征性的存在背景和關(guān)聯(lián)數(shù)據(jù)，使復(fù)雜的地物內(nèi)部屬性和地物之間的相互關(guān)系清晰化，更貼近人類的思維方式[29]。張兵等[30]基于面向?qū)ο蟮倪b感知識庫和融合遙感大數(shù)據(jù)特征的深度學習網(wǎng)絡(luò)，開發(fā)了一套基于深度學習的遙感大數(shù)據(jù)智能信息提取系統(tǒng)，并利用其工程化處理能力，利用 1.19 m 分辨率遙感影像實現(xiàn)了全國室外運動場的提取。

3.3 知識圖譜

知識圖譜由 Google 公司于2012年5月正式提出，致力于描述海量實體、實體屬性和實體關(guān)系，谷歌高級副總裁艾米特·辛格博士一語道破知識圖譜的重要意義所在：“構(gòu)成這個世界的是實體，而非字符串（things，not strings）”。知識圖譜作為知識庫更高級的抽象，能夠全方位揭示知識的來源和發(fā)展規(guī)律，雖從語義網(wǎng)誕生，但是這種重在抽取實體關(guān)系建立高關(guān)聯(lián)的概念已經(jīng)開始被其他行業(yè)所吸收，也是未來各領(lǐng)域在大數(shù)據(jù)時代下新的發(fā)展趨勢。國網(wǎng)已經(jīng)開始將知識圖譜應(yīng)用于開發(fā)的全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心中，首先通過人為定義和語義描述算法對全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心的電網(wǎng)數(shù)據(jù)進行知識抽取，并消除異構(gòu)數(shù)據(jù)中的實體沖突，之后使用知識融合算法計算知識實體間詳細的關(guān)系，構(gòu)建三元組保存至知識圖譜庫中，從而實現(xiàn)數(shù)據(jù)搜索的智能化[31]。水利領(lǐng)域在大數(shù)據(jù)時代下，面對水利信息資源應(yīng)用服務(wù)適用性弱、難以共享的問題，也可以構(gòu)建水利知識圖譜，通過對水利工程設(shè)施、水利管理等靜態(tài)數(shù)據(jù)和實時水情，水文水質(zhì)等動態(tài)數(shù)據(jù)等進行分析，抽取和整理，利用知識計算工具及現(xiàn)有的業(yè)務(wù)數(shù)據(jù)進行實體、屬性識別，并建立實體屬性鏈接集成構(gòu)建水資源、水利移民、農(nóng)村水利、水利概況、水土保持等專題知識圖譜[32]。

3.4 大數(shù)據(jù)時代背景下遙感大數(shù)據(jù)的應(yīng)用框架

大數(shù)據(jù)時代背景下，遙感數(shù)據(jù)必然要與地面數(shù)據(jù)結(jié)合、關(guān)聯(lián)及融合使用，才能發(fā)揮遙感數(shù)據(jù)時空連續(xù)特性和地面觀測數(shù)據(jù)的準確特性，最終實現(xiàn)監(jiān)測、管理和決策的及時，精準。在此指導(dǎo)思想及現(xiàn)代信息技術(shù)快速發(fā)展的背景下，提出應(yīng)用框架，如圖1所示。

圖1 遙感大數(shù)據(jù)水利應(yīng)用框架圖

遙感大數(shù)據(jù)在與地面監(jiān)測站網(wǎng)數(shù)據(jù)結(jié)合時，由于數(shù)據(jù)來源廣泛，數(shù)據(jù)類型和格式多種多樣，在發(fā)送給存儲和數(shù)據(jù)中間件系統(tǒng)進行處理時，為了避免受到噪聲數(shù)據(jù)、數(shù)據(jù)值缺失與數(shù)據(jù)沖突等影響，需要開展數(shù)據(jù)清洗、歸約、轉(zhuǎn)換等數(shù)據(jù)處理工作[33]，這樣有利于提高數(shù)據(jù)后續(xù)的利用效率；其次需要對二者的數(shù)據(jù)進行時空匹配，空間上多以地面監(jiān)測站點為準，時間上多以衛(wèi)星過境時間為準，剔除時域或空域上產(chǎn)生的無效和錯誤數(shù)據(jù)，利用相應(yīng)的算法對匹配之后的數(shù)據(jù)進行分析，得到所需的研究結(jié)果，從而實現(xiàn)遙感大數(shù)據(jù)與水利信息的轉(zhuǎn)化。遙感大數(shù)據(jù)的優(yōu)勢主要體現(xiàn)在監(jiān)測范圍廣，易于獲取，不足之處在于其精度依賴于源數(shù)據(jù)的誤差和遙感信息提取算法，而地面監(jiān)測站網(wǎng)的數(shù)據(jù)則在精度上有一定的保證，其缺陷在于空間密度不足。因此，二者的結(jié)合可以優(yōu)勢互補，相輔相成，并且由于地面監(jiān)測站網(wǎng)的數(shù)據(jù)存在被篡改的可能性，而遙感大數(shù)據(jù)具有實時傳輸?shù)膬?yōu)點，可以形成與地面監(jiān)測站網(wǎng)數(shù)據(jù)的相互校驗，提高數(shù)據(jù)的整體準確性。

遙感大數(shù)據(jù)通過衛(wèi)星可以實時監(jiān)測大范圍的地表水資源情況，進而分析觀測區(qū)域的水文信息，而這些信息由于范圍廣，且處于動態(tài)變化之中，難以通過人工地面監(jiān)測。而在可視化應(yīng)用平臺層面，則可以將眾多環(huán)境變量納入到分析模型中，并結(jié)合實時更新的遙感數(shù)據(jù)，對流域進行水資源監(jiān)測，并以圖表形式將數(shù)據(jù)可視化，優(yōu)化管理水平，協(xié)助管理者作出合理決策?，F(xiàn)存的水利行業(yè)監(jiān)管方式隨著時代的發(fā)展逐漸暴露出一些問題，如水資源管理投入不足、機制及管理能力不適應(yīng)需求的問題，無論從精度還是效率上都無法滿足水利行業(yè)強監(jiān)管的需求，實現(xiàn)嚴格的水利行業(yè)強監(jiān)管制度無疑需要快速準確的信息，以實現(xiàn)水資源信息及時的采集、傳輸、分析和評價，從而作出高效合理的決策。因此借助人工智能、深度學習等技術(shù)進行多源知識獲取形成水利知識庫，以水利大數(shù)據(jù)為基礎(chǔ)，以水利知識庫為過渡，結(jié)合先進的數(shù)據(jù)挖掘方法，基于水利需求進行知識歸類和關(guān)聯(lián)，構(gòu)建水利知識圖譜，可以客觀地揭示水利相關(guān)特點、業(yè)務(wù)實體之間的聯(lián)系，利用微觀宏觀知識的融合，最終服務(wù)于水利科學機理揭示。由于遙感大數(shù)據(jù)具有實時傳輸、不易被篡改的優(yōu)點，保證了上層應(yīng)用利用數(shù)據(jù)的真實性，即可采取一種自上而下的管理方式[34]，在可視化應(yīng)用平臺層，將分布式數(shù)據(jù)轉(zhuǎn)變成直觀的信息發(fā)布，將結(jié)果與水利行業(yè)指標或紅線比照，通過以遙感大數(shù)據(jù)為主的數(shù)據(jù)實時反饋，形成連續(xù)不斷反饋的動態(tài)管理過程，滿足水利行業(yè)強監(jiān)管的需求。目前，山東省水利信息中心通過構(gòu)建水利知識圖譜，建立了山東水利數(shù)據(jù)垂直搜索模型，對水利結(jié)構(gòu)化、網(wǎng)頁分析提取、非結(jié)構(gòu)化文獻影像圖像等數(shù)據(jù)進行分析和整理，確定數(shù)據(jù)之間關(guān)聯(lián)關(guān)系，建立索引，實現(xiàn)水利信息資源的全文檢索和精準查詢[32]。

4 結(jié)語

隨著水利信息化與遙感技術(shù)的發(fā)展，遙感大數(shù)據(jù)在水利中的應(yīng)用范圍在不斷擴大，應(yīng)用深度在不斷縱深。水利業(yè)務(wù)部門都基本建成了滿足本部門需求的水利信息系統(tǒng)，所獲取的地面監(jiān)測數(shù)據(jù)急需與遙感大數(shù)據(jù)結(jié)合、關(guān)聯(lián)和融合使用。結(jié)合大數(shù)據(jù)時代背景下其他現(xiàn)代信息技術(shù)的發(fā)展及應(yīng)用，提出了一種可實現(xiàn)宏觀、微觀信息融合的應(yīng)用框架，可實現(xiàn)遙感數(shù)據(jù)與地面觀測數(shù)據(jù)的有效融合，貼近目前水利強監(jiān)管的水利信息化新的形勢和要求，有望在水資源、旱情、水環(huán)境等管理領(lǐng)域發(fā)揮重要作用。