郭丁，李?yuàn)檴?，陳宗信，王?/p>

1.中國空間技術(shù)研究院,北京 100094;2.國家國防科技工業(yè)局重大專項(xiàng)工程中心,北京 100101;3.電子科技大學(xué)資源與環(huán)境學(xué)院,成都 611731

1 引 言

近年來，隨著高分辨率對(duì)地觀測(cè)計(jì)劃重大專項(xiàng)的實(shí)施和空間基礎(chǔ)設(shè)施重大工程的建設(shè)，中國對(duì)地觀測(cè)衛(wèi)星實(shí)現(xiàn)了從20 世紀(jì)末的技術(shù)試驗(yàn)階段和21 世紀(jì)初的試驗(yàn)應(yīng)用階段到當(dāng)前的應(yīng)用服務(wù)階段的重大轉(zhuǎn)換（童旭東，2016；趙文波，2019）。當(dāng)前中國衛(wèi)星對(duì)地觀測(cè)系統(tǒng)數(shù)據(jù)應(yīng)用成效顯著，為國際用戶特別是“一帶一路”區(qū)域用戶提供了高質(zhì)量的影像數(shù)據(jù)產(chǎn)品和技術(shù)服務(wù)（郭仁忠等，2018；顧行發(fā)等，2018；童旭東，2018）。

然而，中國遙感衛(wèi)星系統(tǒng)建設(shè)仍存在應(yīng)用效益不顯著、用戶滿意度不高等問題，整體建設(shè)水平亟待提高（顧行發(fā)，2018）。如何精準(zhǔn)評(píng)估現(xiàn)有衛(wèi)星的能力并找準(zhǔn)系統(tǒng)建設(shè)發(fā)展的短板弱項(xiàng)，對(duì)復(fù)雜的對(duì)地觀測(cè)系統(tǒng)進(jìn)行科學(xué)合理規(guī)劃和布局，進(jìn)而推進(jìn)系統(tǒng)建設(shè)從數(shù)量規(guī)模向質(zhì)量效益的轉(zhuǎn)變，是當(dāng)前衛(wèi)星系統(tǒng)任務(wù)效能的分析與評(píng)估領(lǐng)域亟待解決的關(guān)鍵問題（劉峰，2017；趙程亮等，2017）。隨著對(duì)地觀測(cè)系統(tǒng)效能分析工作不斷深入開展，由于系統(tǒng)構(gòu)成的復(fù)雜性和應(yīng)用需求的多樣性，導(dǎo)致在評(píng)價(jià)標(biāo)準(zhǔn)的確立上存在很大的不確定性，相應(yīng)評(píng)估結(jié)果的指向也往往模糊不清，決策支撐作用不夠明顯（劉建業(yè)等，2019）。因此，開展遙感衛(wèi)星系統(tǒng)任務(wù)效能分析評(píng)估的方式方法，做好遙感衛(wèi)星系統(tǒng)任務(wù)效能分析評(píng)估，具有現(xiàn)實(shí)必要性和緊迫性。

作為對(duì)地觀測(cè)系統(tǒng)任務(wù)效能分析評(píng)估的關(guān)鍵，需求滿足度分析需要考慮多部門需求和現(xiàn)有對(duì)地觀測(cè)系統(tǒng)的觀測(cè)能力對(duì)多部門需求的滿足情況，以支撐整個(gè)對(duì)地觀測(cè)體系的整體性、綜合性、長遠(yuǎn)性規(guī)劃論證（梁桂林等，2018）。面對(duì)數(shù)以千計(jì)的用戶需求同時(shí)要顧及日漸龐大的現(xiàn)有對(duì)地觀測(cè)體系，傳統(tǒng)人工統(tǒng)籌論證的綜合方法越來越不適用，定量化的自動(dòng)或半自動(dòng)需求綜合方法亟待研究（尤揚(yáng)，2008）。

遙感監(jiān)測(cè)需求結(jié)構(gòu)化表達(dá)是后續(xù)對(duì)需求進(jìn)行分析的前提。馬萬權(quán)等（2014）將遙感觀測(cè)需求進(jìn)行分解，提出建立對(duì)地觀測(cè)需求預(yù)處理模型，但是該模型不能表達(dá)出用戶的完整需求。巫兆聰?shù)龋?015）在構(gòu)建了四維需求模型后，再利用模糊綜合評(píng)估方法對(duì)光學(xué)和微波兩類遙感衛(wèi)星對(duì)地監(jiān)測(cè)效能進(jìn)行評(píng)估；潘勇等（2015）通過分析遙感衛(wèi)星覆蓋能力，綜合出一種新型的效能評(píng)估算法，并在具體應(yīng)用上使用了該算法，卓有成效。國外的研究也不少，Nepal 等（2010），Mandal 和Mandal（2018）和Tian 和Yan（2013）用模糊綜合法開展對(duì)地觀測(cè)應(yīng)用效能評(píng)估，效果顯著。在需求數(shù)據(jù)的選擇上，考慮到自然資源監(jiān)測(cè)是遙感對(duì)地觀測(cè)中的最關(guān)鍵應(yīng)用，且其需求多樣，是需求滿足度評(píng)估的理想研究領(lǐng)域。

目前，有關(guān)自動(dòng)化需求綜合算法的研究較少，而且缺乏自動(dòng)化需求綜合結(jié)果評(píng)價(jià)的方法和指標(biāo)。針對(duì)上述問題，本研究基于層次分析法開展自然資源遙感監(jiān)測(cè)的需求建模與評(píng)價(jià)研究，以可見光近紅外類型的自然資源遙感監(jiān)測(cè)需求為主要研究對(duì)象，通過剔除現(xiàn)有觀測(cè)體系能夠較好滿足的部分需求，再進(jìn)行對(duì)比分析，從而得到自然資源遙感監(jiān)測(cè)主要需求的參數(shù)和指標(biāo)；根據(jù)得到的需求指標(biāo)進(jìn)行需求建模，引入層次分析方法，使用基于層次分析的凝聚層次算法，對(duì)建模后的自然資源需求進(jìn)行需求綜合；最后對(duì)需求滿足度進(jìn)行評(píng)估，運(yùn)用效能評(píng)估的方法，對(duì)需求綜合后的結(jié)果進(jìn)行評(píng)價(jià)，從而驗(yàn)證對(duì)自然資源遙感監(jiān)測(cè)需求進(jìn)行建模及綜合的可行性和必要性。

2 研究方法

2.1 需求結(jié)構(gòu)化表達(dá)

自然資源調(diào)查領(lǐng)域主要包括林業(yè)部門、地質(zhì)部門、農(nóng)業(yè)部門、水利部門和海洋部分等，這些部門的用戶在衛(wèi)星遙感上的需求描述方式各異且指標(biāo)要求不一（方臣等，2019）?？紤]到需求表達(dá)的復(fù)雜性和準(zhǔn)確性，本研究主要針對(duì)光學(xué)遙感應(yīng)用需求進(jìn)行需求分析，而對(duì)微波遙感和激光雷達(dá)等需求不做研究。經(jīng)過需求指標(biāo)的分析，這里提取出最廣泛，最基本的，最能反應(yīng)用戶遙感需求的4個(gè)需求指標(biāo)作為用戶需求的通用指標(biāo)，這些指標(biāo)包括空間分辨率，光譜分辨率，波段范圍和量化等級(jí)；其中空間分辨率代表空間尺度，光譜分辨率和波段范圍代表光譜范圍及其間隔，量化等級(jí)代表輻射分辨能力（巫兆聰?shù)龋?018）。含有4個(gè)變量的四元需求模型如下：

式中，B代表波段范圍，R是空間分辨率，S為光譜分辨率，D代表量化等級(jí)。在波段范圍的表達(dá)上，用戶需求波段上限為B_max，需求波段下限為B_min，需求波段范圍為區(qū)間［B_min，B_max］。

2.2 需求數(shù)據(jù)預(yù)處理

在自然資源遙感需求數(shù)據(jù)集合中，數(shù)據(jù)不同維之間量綱和取值上下限差異很大，波段范圍在為幾百上千納米左右，空間分辨率常取個(gè)位或者十位數(shù)，量化等級(jí)常取8—12 bit。由于自然資源調(diào)查需求數(shù)據(jù)各異，導(dǎo)致數(shù)據(jù)均值和標(biāo)準(zhǔn)差相差過大，若要對(duì)建模后的需求進(jìn)行需求綜合，數(shù)據(jù)預(yù)處理是必不可少的。本研究采用z-score 歸一化方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，將數(shù)據(jù)取值通過數(shù)學(xué)公式進(jìn)行轉(zhuǎn)換到一個(gè)規(guī)范的區(qū)間內(nèi)，便于后續(xù)的數(shù)據(jù)處理和分析?；趜-score 歸一化方法的數(shù)據(jù)處理公式如下：

式中，xk為輸入數(shù)據(jù)，yk為z-score 歸一化后的結(jié)果，xmean為數(shù)據(jù)輸入xk的平均值，xσ為數(shù)據(jù)輸入xk的標(biāo)準(zhǔn)差。

2.3 需求數(shù)據(jù)綜合

經(jīng)過z-score 歸一化方法處理后的數(shù)據(jù)，仍然存在需求來源廣泛、條目眾多、描述方式各異和指標(biāo)要求不一的情況下。本研究采用凝聚層次算法開展需求綜合，將用戶需求中較為相似的需求條目進(jìn)行合并，減少冗余、多余的數(shù)據(jù)。凝聚層次算法是層次分析的一種，這種方法自下而上，把每一個(gè)數(shù)據(jù)看成是一個(gè)簇，按照一定的聚類條件，將不同的樣本進(jìn)行合并，最終形成一個(gè)簇，或者達(dá)到聚類的個(gè)數(shù)。每個(gè)簇是層次結(jié)構(gòu)的根，在合并過程中其找出兩個(gè)最接近的簇也即根據(jù)某種相似性度量，接著合并它們，形成一個(gè)簇。因?yàn)樵诿看蔚倪^程中都需要將兩個(gè)簇進(jìn)行合并操作，同時(shí)要求每個(gè)簇中至少包含一個(gè)對(duì)象，因此凝聚層次算法最多的情況下需要進(jìn)行n次迭代操作。

在相似性度量方面，本研究采用平均相似度來衡量聚簇間的相似性。凝聚層次算法通過歸一化預(yù)處理、設(shè)定聚簇的數(shù)量、計(jì)算不同聚簇間的相似度、計(jì)算合并后新聚簇與其他聚簇間的相似度、計(jì)算聚簇中心的需求向量、評(píng)估并調(diào)整聚類結(jié)果6個(gè)步驟來進(jìn)行需求綜合。

2.4 需求滿足度評(píng)價(jià)

衛(wèi)星對(duì)地觀測(cè)設(shè)施是否能滿足自然資源調(diào)查領(lǐng)域的需求，是對(duì)滿足程度的量化計(jì)算和結(jié)果評(píng)價(jià)，屬于效能評(píng)估的一種。常見的評(píng)價(jià)方法有需求AHP 分析法、模糊層次綜合法（FAHP）和灰色白化函數(shù)聚類等（劉莉等，2003；劉麗輕等，2011）；其中模糊層次綜合法采用模糊綜合評(píng)價(jià)法和層次分析法相結(jié)合的評(píng)價(jià)模式，該方法采用層次分析法確定因素集，然后運(yùn)用模糊綜合評(píng)判確定評(píng)價(jià)效果（沈繼紅等，2011）。該方法在需求滿足度評(píng)價(jià)中對(duì)不確定性因素考慮比較全面，因此采用FAHP評(píng)價(jià)法進(jìn)行需求滿足度的評(píng)價(jià)。

FAHP 評(píng)價(jià)法首先根據(jù)對(duì)象自身特點(diǎn)及性質(zhì)將待評(píng)估對(duì)象分解為多個(gè)層次，然后將它們結(jié)合成一個(gè)層次化結(jié)構(gòu)模型，最后在逐層分析之后，確定不同的對(duì)象分解層次對(duì)于評(píng)估對(duì)象的重要程度（即權(quán)重）（尤揚(yáng)，2008）。該方法是目前應(yīng)用廣泛的一種效能評(píng)估方法，其優(yōu)點(diǎn)是能夠避免評(píng)估指標(biāo)屬性的不確定性，能夠以定性和定量相結(jié)合的方式來處理復(fù)雜的決策問題。FAHP 方法主要計(jì)算過程如下。

2.4.1 判斷矩陣一致性檢驗(yàn)及權(quán)重向量計(jì)算

（1）確定評(píng)估指標(biāo)相對(duì)權(quán)重標(biāo)度。模糊層次綜合法運(yùn)用1 到9 間的整數(shù)表達(dá)兩個(gè)指標(biāo)間的重要性關(guān)系，重要性關(guān)系的表達(dá)及含義如表1所示。

表1 指標(biāo)間的重要性關(guān)系Table 1 Relation of important among different indicators

（2）構(gòu)造權(quán)重判斷矩陣。

（3）計(jì)算指標(biāo)權(quán)重與一致性檢驗(yàn)。一致性是指判斷思維的邏輯一致性，在實(shí)際構(gòu)造判斷矩陣時(shí)滿足所有相互關(guān)系的邏輯一致性難度較大，因此允許指標(biāo)相互關(guān)系間存在一定程度的不一致性，即允許判斷矩陣有一定的錯(cuò)誤。在判斷矩陣一致性的過程中，修正因子RI的取值如表2所示。

表2 修正因子取值Table 2 Correction factor value

若求得判斷矩陣的CR 值<0.1，即判斷矩陣構(gòu)造合理，滿足一致性要求，此時(shí)計(jì)算得出的指標(biāo)權(quán)重向量W可取。否則應(yīng)重新構(gòu)造判斷矩陣，重新計(jì)算權(quán)重向量。

2.4.2 評(píng)估因素與評(píng)語集

評(píng)估因素集是影響需求滿足度的需求指標(biāo)與參數(shù)。本研究采用波段范圍、空間分辨率、光譜分辨率、量化等級(jí)這4個(gè)基礎(chǔ)需求指標(biāo)來描述自然資源監(jiān)測(cè)遙感需求，并以此建立需求向量模型，因此評(píng)估因素集U 取需求模型中的4個(gè)基礎(chǔ)需求指標(biāo)（項(xiàng)偉等，2018）。

評(píng)估因素u1為需求綜合后聚簇中心需求的波段范圍Bcl與原始需求波段范圍Bre交集的長度與Bre的比例，顯然u1取值為［0，1］。

而u2，u3，u4分別取聚簇中心需求的空間分辨率，光譜分辨率，量化等級(jí)，單位與需求模型中相同。

評(píng)語集V指對(duì)對(duì)象的評(píng)價(jià)，常用優(yōu)、良、中、差4 種評(píng)價(jià)等級(jí)來描述，分別對(duì)應(yīng)10、8、6、2 的評(píng)分。

2.4.3 基于需求模型的模糊隸屬度函數(shù)構(gòu)建

通過構(gòu)建的評(píng)估因素集可知，u1表示聚簇中心需求波段對(duì)用戶需求波段的覆蓋率，其滿足度和u1取值同增長，越大越好，可知波段范圍屬于第一類隸屬度函數(shù)。而u2，u3，u4（空間分辨率、光譜分辨率、量化等級(jí)）是越接近最理想值，越符合用戶的期望，而高于或低于理想值對(duì)于滿足度都有影響，例如過高的量化等級(jí)會(huì)大大增加數(shù)據(jù)量，對(duì)數(shù)據(jù)處理和分析帶來不便（巫兆聰?shù)龋?015）。因此，它們都屬于第二類隸屬度函數(shù)?；谏鲜龇治?，本研究依照需求指標(biāo)的自身的特點(diǎn)和函數(shù)情況，構(gòu)造合適的模糊隸屬度函數(shù)。

2.4.4 模糊層次綜合結(jié)果合成

使用合適的模糊隸屬度函數(shù)對(duì)數(shù)據(jù)進(jìn)行計(jì)算，可計(jì)算出單個(gè)因素的模糊評(píng)價(jià)，該評(píng)價(jià)和4個(gè)評(píng)價(jià)等級(jí)相對(duì)應(yīng)，可得出相應(yīng)的評(píng)價(jià)等級(jí)（項(xiàng)偉，2018）。使用最大值合成法，對(duì)數(shù)據(jù)結(jié)果進(jìn)行合成，將評(píng)價(jià)等級(jí)所對(duì)應(yīng)的最大值分?jǐn)?shù)作為該因素最終的評(píng)分結(jié)果（沈繼紅等，2011）。

3 實(shí)驗(yàn)數(shù)據(jù)

3.1 自然資源調(diào)查數(shù)據(jù)

自然資源調(diào)查用戶對(duì)衛(wèi)星應(yīng)用需求十分廣泛，包括林業(yè)部門、地質(zhì)部門、農(nóng)業(yè)部門、水利部門和海洋部門等領(lǐng)域的需求（方臣等，2019）。本研究通過分析典型自然資源調(diào)查應(yīng)用中的實(shí)際需求，并對(duì)其波段下限、波段上限、空間分辨率、光譜分辨率和量化等級(jí)等數(shù)據(jù)指標(biāo)進(jìn)行抽取，構(gòu)成對(duì)應(yīng)的需求向量。具體的實(shí)際需求包括精準(zhǔn)農(nóng)業(yè)、農(nóng)情監(jiān)測(cè)、水資源、地形圖制作、礦產(chǎn)勘探、水土流失監(jiān)測(cè)、濕地監(jiān)測(cè)、植被指數(shù)計(jì)算、荒漠化監(jiān)測(cè)、城市調(diào)查和水利利用等。通過上述實(shí)際需求構(gòu)建本研究的93 條實(shí)驗(yàn)數(shù)據(jù)，并對(duì)其進(jìn)行結(jié)構(gòu)化表達(dá)及建模，除去需求編號(hào)外，剩下五維需求構(gòu)成五維向量，分別為波段下限，波段上限，空間分辨率，光譜分辨率和量化等級(jí)。數(shù)據(jù)來源具體如下表所示。

表3 自然資源數(shù)據(jù)來源表Table 3 The data source of nature resources

由于五維輸入變量量綱差距很大，影響結(jié)果準(zhǔn)確性，所以在進(jìn)行需求綜合前還需進(jìn)行z-score歸一化處理，具體原理和方法見2.2 節(jié)需求數(shù)據(jù)預(yù)處理。

3.2 高分衛(wèi)星觀測(cè)能力

近年來，中國遙感衛(wèi)星發(fā)展迅猛，衛(wèi)星遙感進(jìn)入高分時(shí)代，衛(wèi)星觀測(cè)體系也已基本成型。目前，中國在軌且常用的光學(xué)載荷高分衛(wèi)星有高分一號(hào)、高分二號(hào)、高分四號(hào)、高分五號(hào)和高分六號(hào)，這些高分衛(wèi)星的觀測(cè)能力如表4所示。

表4 高分衛(wèi)星的觀測(cè)能力表Table 4 The observation ability of High-resolution satellite

4 實(shí)驗(yàn)結(jié)果及分析

4.1 需求綜合

本研究使用層次分析中的凝聚層次算法對(duì)實(shí)驗(yàn)需求進(jìn)行建模后的需求綜合。經(jīng)過需求綜合后，93 條原始五維需求數(shù)據(jù)被分成了若干聚簇，需求聚類綜合后的結(jié)果為五維向量，聚簇中心的需求即代表著聚簇內(nèi)所有需求。

由表4和表5可知，原本93條需求向量，經(jīng)過兩種算法處理后只剩下14 條，需求綜合的效果非常明顯。需求綜合的層次結(jié)構(gòu)如圖1 和圖2 所示，分別為截?cái)嗪蟮牟糠謱哟螛浜屯耆珜哟螛?。層次樹圖中，橫軸代表需求編號(hào)，縱軸代表z-score 歸一化后的數(shù)據(jù)相對(duì)距離。經(jīng)過基于層次分析的算法處理后，原始需求數(shù)據(jù)逐一分層，并將每一條數(shù)據(jù)歸入到一個(gè)聚簇中。聚簇中心需求即代表著聚簇當(dāng)中所有的需求。

圖1 截?cái)嗪蠊?jié)點(diǎn)數(shù)為14的部分層次樹Fig.1 The partial hierarchy tree for node 14

圖2 完全層次樹Fig.2 Complete hierarchy tree

表5 凝聚層次算法下需求綜合結(jié)果Table 5 The integrated results for the analytic hierarchy process

4.2 需求滿足度評(píng)估

用FAHP評(píng)價(jià)法對(duì)高分衛(wèi)星滿足自然資源調(diào)查需求的滿足進(jìn)行評(píng)估，結(jié)果如表6所示。

上述衛(wèi)星應(yīng)用需求滿足度評(píng)估是在評(píng)語集為V=｛10，8，6，2｝=｛優(yōu)，良，中，差｝下計(jì)算的，評(píng)估結(jié)果大于8 時(shí)可認(rèn)為衛(wèi)星應(yīng)用需求滿足度為優(yōu)良。對(duì)結(jié)果進(jìn)行分析，可知除R37、R43 和R93外，其余的自然資源調(diào)查需求滿足度都大于8，說明高分衛(wèi)星能較好的滿足大部分自然自然資源調(diào)查用戶的需求。R37、R43 和R93 的需求參數(shù)具體見表6，其中R37 的空間分辨率需求為1 m，R43和R93 的空間分辨率需求為750 m，且R93 的光譜分辨率需求為400—2200 nm，這說明高分衛(wèi)星在高空間分辨率和低空間分辨率上的觀測(cè)能力方面存在一定的劣勢(shì)。另外R01、R09、R19 和R27 的需求滿足度大于9，說明高分衛(wèi)星中高分辨率遙感衛(wèi)星體系較為完善，能很好的滿足大部分該類型的自然資源調(diào)查需求。

表6 基于FAHP的需求滿足度評(píng)估Table 6 The demand satisfaction assessment using FAHP

4.3 合理性驗(yàn)證

要驗(yàn)證實(shí)驗(yàn)的合理性，還需要從實(shí)例出發(fā)。本節(jié)以數(shù)據(jù)抽取實(shí)例中的數(shù)據(jù)實(shí)例對(duì)實(shí)驗(yàn)合理性及可行性進(jìn)行驗(yàn)證。數(shù)據(jù)抽取實(shí)例中列舉了4個(gè)不同需求來源的例子，需求編號(hào)及需求數(shù)據(jù)等如下表7所示。

表7 數(shù)據(jù)抽取實(shí)例對(duì)應(yīng)需求數(shù)據(jù)Table 7 The demand data for the sample data extraction

如表8 所示，凝聚層次算法下，需求編號(hào)為R39的礦產(chǎn)搜索需求和需求編號(hào)為R56的濕地監(jiān)測(cè)需求被同分到聚簇中心為R09 的聚簇，兩個(gè)需求數(shù)據(jù)十分相似，只在波段上限上有所區(qū)別，因而被分到同一聚簇中，歸為一類需求。所在聚簇的聚簇中心需求R09 的空間分辨率為30 m，與原始需求15 m 的要求有些許區(qū)別，因而需求滿足度不算高，只有7.34，但其余四維需求均能滿足，因而用需求R09去代表需求R39和R56是可行的。數(shù)據(jù)抽取實(shí)例中的地形圖和水土流失，在實(shí)驗(yàn)需求數(shù)據(jù)中分別為R64和R07，在經(jīng)過需求綜合后，他們都被歸入到聚簇中心為R37 的聚簇中。R07 和R37十分相似，只在量化等級(jí)需求上有所差別，因而需求滿足度較高，為9.65，而R64和R37在空間分辨率上和量化等級(jí)上都有區(qū)別，所以需求滿足度稍低，為7.72。在經(jīng)過評(píng)價(jià)算法對(duì)于需求滿足度的計(jì)算后，可以看出R37 的需求數(shù)據(jù)能較好的代表R64和R07的需求。

表8 凝聚層次算法下需求綜合結(jié)果Table 8 The result derived by the Hierarchical Clustering

綜上所述，實(shí)例中的礦產(chǎn)搜尋需求和濕地監(jiān)測(cè)需求被歸為了一類，都可由同一聚簇中心需求去表達(dá)，因?yàn)樗麄儗?duì)遙感數(shù)據(jù)的需求十分相似，被歸為一類再統(tǒng)一表達(dá)，去除冗余需求是合理且可行的。這表明聚簇中心需求都能滿足簇內(nèi)大部分需求。通過分析用戶需求間的相似程度，合并高度相近的需求條目，從中提取出數(shù)量較少、彼此間差異較大的共性需求和代表性需求，這是本實(shí)驗(yàn)的目的所在，而需求滿足度的計(jì)算和實(shí)例展示，都可驗(yàn)證研究方法的可行性和合理性。

5 結(jié) 論

本研究利用基于層次分析的凝聚層次算法，以93 條自然資源調(diào)查需求為數(shù)據(jù)輸入，經(jīng)z-score算法歸一化處理后，采用凝聚層次法對(duì)其進(jìn)行需求綜合并抽取出14 條需求綜合數(shù)據(jù)，最后利用模擬層次綜合法評(píng)估高分衛(wèi)星對(duì)自然資源調(diào)查的需求滿足度。試驗(yàn)結(jié)果表明93 條數(shù)據(jù)中19 條需求數(shù)據(jù)的需求滿足度大于9，82條需求數(shù)據(jù)的需求滿足度大于8，需求滿足度評(píng)“優(yōu)良”率為88%；11條需求數(shù)據(jù)的需求滿足度小于6，需求滿足度評(píng)“差”率為12%。從應(yīng)用領(lǐng)域上來看，高分衛(wèi)星能滿足大部分農(nóng)業(yè)、林業(yè)、海洋和水資源等領(lǐng)域的資源調(diào)查工作，但是在某些領(lǐng)域如小流域水土流失監(jiān)測(cè)、荒漠化監(jiān)測(cè)、生物量估算、生態(tài)評(píng)價(jià)、環(huán)境評(píng)價(jià)和承載力計(jì)算等領(lǐng)域的對(duì)地觀測(cè)能力亟待提升。

通過實(shí)驗(yàn)可知，對(duì)自然資源需求進(jìn)行綜合是可行的，需求綜合的結(jié)果能較好的代替其余需求，這使得遙感需求種類大大減少，對(duì)衛(wèi)星觀測(cè)能力設(shè)計(jì)和遙感產(chǎn)品的生產(chǎn)等都有著較大的影響。另外自然資源遙感調(diào)查需求分析與需求綜合是一個(gè)復(fù)雜的現(xiàn)實(shí)問題，本文的研究還存在一些不足之處，后續(xù)的研究可以使用精度更高的聚類算法，并把需求分析應(yīng)用到遙感對(duì)地觀測(cè)的所有需求領(lǐng)域，使需求綜合結(jié)果能更好的滿足原始需求。