摘 要：為了提升GIS時空大數(shù)據(jù)融合處理效果和大數(shù)據(jù)融合效率，本文提出基于可視化數(shù)據(jù)挖掘技術(shù)的GIS時空大數(shù)據(jù)融合處理方法。首先，采集GIS時空大數(shù)據(jù)，分析可視化數(shù)據(jù)挖掘技術(shù)；其次，構(gòu)建地理時空數(shù)據(jù)可視化挖掘模型，將地理軌跡數(shù)據(jù)由CSV格式轉(zhuǎn)換為Shapefile向量數(shù)據(jù)格式；最后，計算轉(zhuǎn)換后的地理坐標(biāo)，對GIS時空大數(shù)據(jù)進行融合處理。試驗結(jié)果表明，基于可視化數(shù)據(jù)挖掘技術(shù)的GIS時空大數(shù)據(jù)融合處理方法能夠快速處理時空數(shù)據(jù)，在不同測試時空內(nèi)，使用本文方法融合處理的數(shù)據(jù)量比其他方法更多，本文方法效果更好。

關(guān)鍵詞：數(shù)據(jù)融合；GIS時空大數(shù)據(jù)；信息處理技術(shù)；融合處理；可視化數(shù)據(jù)挖掘技術(shù)

中圖分類號：D 26 " " " " 文獻標(biāo)志碼：A

地理信息系統(tǒng)（Geographic Information System，GIS）集成地理空間數(shù)據(jù)和屬性數(shù)據(jù)，為各種領(lǐng)域提供了強大的空間分析和決策能力。GIS領(lǐng)域亟需解決的問題是高效地融合和處理GIS時空大數(shù)據(jù)。在文獻[1]中，研究人員將預(yù)處理后的數(shù)據(jù)整合到一個集中的數(shù)據(jù)管理平臺中，保證數(shù)據(jù)能夠在該平臺中進行共享和交互。平臺的存儲和計算能力強，能夠高效處理并分析龐大的數(shù)據(jù)集。采用這種整合與集中管理的方式可以更有效地管理和利用巡護時空大數(shù)據(jù)。在文獻[2]中，研究人員利用關(guān)聯(lián)規(guī)則和挖掘技術(shù)深入研究無線傳感網(wǎng)中的節(jié)點數(shù)據(jù)。對這些節(jié)點數(shù)據(jù)特性進行需求分析，構(gòu)建1個數(shù)據(jù)融合模型，該模型能夠在時間和空間方面對數(shù)據(jù)進行融合，提升GIS時空大數(shù)據(jù)融合處理的準(zhǔn)確性。

本文方法將數(shù)據(jù)挖掘技術(shù)與可視化技術(shù)相結(jié)合，將復(fù)雜的數(shù)據(jù)以圖形、圖像等直觀、清晰的方式展現(xiàn)，使用戶能夠更快速、準(zhǔn)確地理解數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律。

1 可視化數(shù)據(jù)挖掘技術(shù)

可視化數(shù)據(jù)挖掘技術(shù)是一種結(jié)合可視化技術(shù)和數(shù)據(jù)挖掘技術(shù)的先進技術(shù)。這種技術(shù)利用圖形、圖像等直觀形式展現(xiàn)大量數(shù)據(jù)中的信息和知識，幫助用戶更快速、準(zhǔn)確地理解數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和趨勢。可視化數(shù)據(jù)挖掘技術(shù)包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和可視化等步驟，數(shù)據(jù)挖掘是可視化數(shù)據(jù)挖掘技術(shù)的核心步驟，其利用各種算法對數(shù)據(jù)進行挖掘，獲得有價值的信息和知識。

2 采集GIS時空大數(shù)據(jù)

GIS時空大數(shù)據(jù)的可視化過程以地圖作為核心框架，進一步將時間數(shù)據(jù)進行空間化處理，將兩者有效融合，創(chuàng)造一種新穎的數(shù)據(jù)展現(xiàn)形態(tài)。充分利用地理信息技術(shù)的空間可視化優(yōu)勢將時空數(shù)據(jù)以地圖形式進行直觀展示，不僅方便從多個視角進行深入觀察，還從空間層面對大數(shù)據(jù)進行高效分析。本文設(shè)計的GIS時空大數(shù)據(jù)采集步驟包括以下3個。

2.1 交點定義

在實際操作中，采集的道路數(shù)據(jù)通常為連續(xù)的多段線形式。為了定位，需要遍歷所有涉及的道路折線段，確定這些折線段之間的交點[3]，即道路節(jié)點。

2.2 道路數(shù)據(jù)切割

在進行道路數(shù)據(jù)處理的過程中，使用本文方法確定并計算1條測得的道路的交叉區(qū)域，得到道路交叉層。然后利用這個交點圖層對原有的道路數(shù)據(jù)進行切割。當(dāng)采集地理軌跡數(shù)據(jù)時，采用CSV格式導(dǎo)出這些數(shù)據(jù)，呈現(xiàn)為一系列點集，需要將其轉(zhuǎn)換為在GIS中廣泛使用的Shapefile向量數(shù)據(jù)格式[4-5]。在完成轉(zhuǎn)換后，自動構(gòu)建向量數(shù)據(jù)的拓?fù)潢P(guān)系，在弧段與節(jié)點之間建立準(zhǔn)確的連接。弧段與節(jié)點之間的具體關(guān)系見表1。

設(shè)鄰接向量P，弧段q1～q7的鄰接關(guān)系如公式（1）所示。

（1）

節(jié)點N1～N5設(shè)定的連通向量N如公式（2）所示。

（2）

2.3 冗余數(shù)據(jù)處理

在數(shù)據(jù)收集的過程中，為保證道路數(shù)據(jù)的完整性與準(zhǔn)確性，某些路段的長度會超過實際道路長度。因此，在后續(xù)處理中需要識別并移除這些多余的部分。

3 單波段與單極化數(shù)據(jù)的像元差值提取

Sentinel-1數(shù)據(jù)：Sentinel-1是一個全天時、全天候的合成孔徑雷達成像系統(tǒng)，其是歐盟委員會（European Commission，EC）和歐洲航天局（European Space Agency，ESA）針對哥白尼全球?qū)Φ赜^測項目研制的首顆衛(wèi)星。為了將大氣上層表觀反射率轉(zhuǎn)換為大氣下層地表反射率，本研究采用歐州航天局官方提供的Sen2Cor大氣校正模塊對Sentinel-2數(shù)據(jù)進行大氣校正。除了對Sentinel-2的單波段數(shù)據(jù)與Sentinel-1的單極化數(shù)據(jù)的像元差值進行分析外，還利用紅光（Red）和近紅外（Near Infrared，NIR）波段獲取歸一化植被指數(shù)（Normalize Difference Vegetation Index，NDVI），并提取NDVI與垂直極化數(shù)據(jù)（Vertical Polarization，VV）以及垂直水平數(shù)據(jù)（Vertical-Horizontal Polarization，VH）的像元差值。

本文根據(jù)NDVI模型生成對應(yīng)的NDVI產(chǎn)品，裁剪影像。NDVI的計算過程如公式（3）所示。

（3）

式中：PRed，PNIR分別為Sentinel-2數(shù)據(jù)對應(yīng)的紅光和近紅外波段的地面反射率值。

利用歸一化后的單波段數(shù)據(jù)（藍光、綠光、紅光和近紅外光）與歸一化后的單極化數(shù)據(jù)逐一進行波段運算，獲取2種傳感器數(shù)據(jù)的像元差值，計算過程如公式（4）所示。

T（x，y，t）=S2（x，y，n，t）-S1（x，y，m，t）

（n=Bule，Green，Red，NIR;m=VV，VH） " " "（4）

式中：T（x，y，t）為Sentinel-2 與 Sentinel-1 數(shù)據(jù)的像元值之差；S2、S1分別為Sentinel-1和Sentinel-2數(shù)據(jù)的像元值；n為Sentinel-2的波段數(shù)據(jù)，包括藍光（Blue）、綠光（Green）、紅光和近紅外光；m為Sentinel-1的雙極化數(shù)據(jù)，包括VV和VH；t為獲取像元值所需的時間。

利用樣本點的位置信息從計算結(jié)果中提取樣本點位置所有像元的值，取地類內(nèi)所有樣本點的均值作為該地類像元差值，最終獲取不同時相的像元差值序列特征。

4 構(gòu)建地理時空數(shù)據(jù)可視化挖掘模型

根據(jù)上文提取的GIS時空大數(shù)據(jù)像元差值，本章利用可視化數(shù)據(jù)挖掘技術(shù)的柵格瓦片可視化算法，將該技術(shù)應(yīng)用于時空數(shù)據(jù)中，對地理時空數(shù)據(jù)進行可視化挖掘[6]。柵格瓦片可視化算法流程如圖1所示。

由圖1可知，柵格瓦片可視化算法流程如下。首先，設(shè)計地圖的中心點，確定時空數(shù)據(jù)對應(yīng)的地理范圍。其次，設(shè)定柵格瓦片的起始行列序號，確定X軸、Y軸的瓦片數(shù)量，將柵格瓦片鋪滿地圖，計算單張瓦片的像素分辨率，確定瓦片對應(yīng)的時空面積，獲取對應(yīng)的地理坐標(biāo)，最終得到地理時空坐標(biāo)的位置，使柵格瓦片可視化[7-8]。本文構(gòu)建數(shù)據(jù)集成挖掘模型，將其應(yīng)用于時空數(shù)據(jù)的可視化挖掘中，本文設(shè)計的數(shù)據(jù)集成挖掘模型的結(jié)構(gòu)如圖2所示。

由圖2可知，利用可擴展標(biāo)記語言（Extensible Markup Language，XML）文件配置數(shù)據(jù)庫連接信息，設(shè)置用戶界面，構(gòu)建數(shù)據(jù)集成模型對數(shù)據(jù)進行集成，并利用元數(shù)據(jù)倉庫進行處理，設(shè)計數(shù)據(jù)集成引擎與數(shù)據(jù)中心進行交互。時空數(shù)據(jù)通常是指融合了地理經(jīng)緯度信息的數(shù)據(jù)集，瀏覽器頁面基于一個二維的平面坐標(biāo)系統(tǒng)來展示內(nèi)容。因此，在GIS中對坐標(biāo)軸進行設(shè)定：X軸代表經(jīng)度，數(shù)值沿此軸向右逐漸增加；Y軸代表緯度，數(shù)值沿此軸向上逐漸增加[9]。模型構(gòu)建的具體步驟如下。

第一步，設(shè)定瓦片像素為tS，分辨率為R。

第二步，單張瓦片對應(yīng)的地理時空面積為GS，計算過程如公式（5）所示。

GS=tS×R " " " " （5）

第三步，得到對應(yīng)的地理坐標(biāo)（Gleft，Gtop），計算過程如公式（6）所示。

（6）

式中：GX、GY分別為屏幕的X軸和Y軸；W、H分別為屏幕的寬度和高度。

該地理坐標(biāo)（Gleft，Gtop）對應(yīng)的地理位置（Xs，Ys）如公式（7）所示。

（7）

式中：Gs為單張瓦片對應(yīng)的地理時空面積。

基于上述分析，地理時空數(shù)據(jù)可視化挖掘模型的計算過程如公式（8）所示。

（8）

經(jīng)過上述研究，設(shè)計面向空間信息的可視化挖掘方法，為空間信息融合處理奠定堅實的基礎(chǔ)。

5 GIS時空大數(shù)據(jù)的融合處理

根據(jù)采集的GIS時空大數(shù)據(jù)獲取歷史數(shù)據(jù)，分析地理現(xiàn)象的時空變化規(guī)律。為了優(yōu)化資源配置，提高資源使用效率，減少浪費，將采集得到的GIS時空大數(shù)據(jù)輸入時空數(shù)據(jù)可視化挖掘模型中，創(chuàng)建共享數(shù)據(jù)類別，采用語義融合技術(shù)整合不同來源和類型的數(shù)據(jù)，確定其是否對應(yīng)于同一個類別中的同一個概念，采用時空數(shù)據(jù)分析方法對融合后的數(shù)據(jù)進行分析，提取有用信息，具體融合處理過程如下。

以p1=（x1，y1）=（Xs，Ys）為圓心，將半徑r設(shè)定為20 m進行搜索，p2（x2，y2）為該空間中的任意節(jié)點，p1為搜索圓形的圓心，p2為搜索圓形內(nèi)的任意點。p1與p2之間的距離d的計算過程如公式（9）所示。

（9）

如果d≤r，那么p1與p2 這2個點為同名點；如果dgt;r，那么p1與p2 這2個點不是同名點。

在數(shù)據(jù)融合處理過程中使用統(tǒng)一的設(shè)備，所有數(shù)據(jù)的定位模式均設(shè)定為單點定位，基于這種一致性可以合理推斷同一個對象采集的不同數(shù)據(jù)在權(quán)重方面是相等的。這種設(shè)置保證了數(shù)據(jù)采集標(biāo)準(zhǔn)，降低了由于設(shè)備差異或定位方法不同導(dǎo)致的誤差。在GIS時空大數(shù)據(jù)融合處理過程中，這種統(tǒng)一性能夠保證數(shù)據(jù)的可比性和融合的準(zhǔn)確性，因此十分重要。

將這些數(shù)據(jù)的空間位置信息進行融合，計算x、y坐標(biāo)的平均值，如公式（10）所示。

（10）

式中：xi、yi分別為第i次采集的點位坐標(biāo)x、y的值。

利用公式（8）可以得到每個節(jié)點融合后的時空數(shù)據(jù)地理坐標(biāo)位置。

6 試驗測試與結(jié)果

6.1 試驗準(zhǔn)備

為驗證本文方法的有效性，筆者進行試驗，以MATLAB軟件為基礎(chǔ)搭建一個模擬測試平臺，檢測本文方法的數(shù)據(jù)融合處理性能。在測試過程中將文獻[1]方法、文獻[2]方法與本文方法進行對比，以3種方法的數(shù)據(jù)融合處理效率作為測試結(jié)果。

6.2 試驗結(jié)果

基于上述試驗準(zhǔn)備，3種方法的對比測試結(jié)果見表2。

由測試結(jié)果可知，本文提出的基于可視化數(shù)據(jù)挖掘技術(shù)的GIS時空大數(shù)據(jù)融合處理方法能夠快速處理數(shù)據(jù)，因此，在不同測試時間內(nèi)，與文獻 [1] 方法、文獻 [2] 方法相比，本文方法融合處理的數(shù)據(jù)量更多，證明了本文方法的有效性。

綜上所述，利用可視化數(shù)據(jù)挖掘技術(shù)能夠自動或半自動地識別數(shù)據(jù)中的關(guān)鍵信息，減少人工分析和處理的工作量，提高 GIS 時空大數(shù)據(jù)融合處理的效率和準(zhǔn)確性。

7 結(jié)語

基于可視化數(shù)據(jù)挖掘技術(shù)的GIS時空大數(shù)據(jù)融合處理方法不僅推動了GIS技術(shù)快速發(fā)展，還影響了社會經(jīng)濟發(fā)展、城市規(guī)劃以及環(huán)境監(jiān)測等領(lǐng)域。在這個過程中，數(shù)據(jù)安全和隱私保護十分重要。在利用大數(shù)據(jù)進行空間分析的過程中，必須嚴(yán)格遵守相關(guān)法律法規(guī)，保障用戶數(shù)據(jù)的安全性和隱私性。未來基于可視化數(shù)據(jù)挖掘技術(shù)的GIS時空大數(shù)據(jù)融合處理方法將繼續(xù)發(fā)揮其獨特優(yōu)勢。

參考文獻

[1]張新宇，林澤攀，武紅敢，等.巡護時空大數(shù)據(jù)助推林草業(yè)務(wù)的協(xié)同融合[J].林業(yè)科技通訊，2022（6）：31-33.

[2]秦麗娜.基于關(guān)聯(lián)規(guī)則挖掘的無線傳感網(wǎng)時空數(shù)據(jù)融合方法探究[J].北部灣大學(xué)學(xué)報，2023，38（4）：68-71.

[3]杜家寬，李雁飛，孫嗣文，等.多源數(shù)據(jù)融合的泛時空特征水稻深度學(xué)習(xí)提取[J].農(nóng)業(yè)大數(shù)據(jù)學(xué)報，2024，6（1）：56-67.

[4]丁夢蘇，楊慕喬，陳世敏.大規(guī)模時空圖數(shù)據(jù)存儲和分析的優(yōu)化方法[J].高技術(shù)通訊，2023，33（2）：124-134.

[5]黃慧萍，陳芳淼.城市群建設(shè)與管理的時空大數(shù)據(jù)體系框架構(gòu)建研究[J].遙感技術(shù)與應(yīng)用，2023，38（2）：443-453.

[6]周揚，韓崔燕，田楠，等.基于多源時空大數(shù)據(jù)的市政管線安全管控關(guān)鍵技術(shù)研究[J].工業(yè)建筑，2023，53（增刊2）：62-66.

[7]徐鵬飛，麥均碩，王嘉銘，等.基于時空大數(shù)據(jù)分析的出租車智慧調(diào)度系統(tǒng)[J].信息與電腦（理論版），2024，36（2）：103-105.

[8]劉宏志，張燦，李秋爽，等.智慧基建背景下電網(wǎng)工程造價資源庫建設(shè)研究[J].建筑經(jīng)濟，2022，43（3）：59-66.

[9]柯霖.基于多源數(shù)據(jù)融合與模糊聚類的電力工程數(shù)據(jù)處理方法研究[J].電子設(shè)計工程，2023，31（24）：163-167.