[遥感智能计算与信息提取]-遥感大数据认知与计算-第2讲.pptxVIP

;;;;;;※ 2011年5月，EMC举办“云计算相遇大数据”大会，首次抛 出了“大数据”的概念； ※ 2011年6月，由EMC赞助，IDC编制的年度数字宇宙研究报 告《从混沌中提取价值》（Extracting Value from Chaos）发表，提升了大数据的理念和价值； ※ 同时，麦肯锡全球研究院发布《大数据：创新、竞争和生产 力的下一个前沿》（Big data：The next frontier for innovation， competition，and productivity）研究报告，正式系统阐述了 “大数据时代”概念。;;;;1.1 大数据（Big DATA）时代;① Variety， 数据类型繁多，文本、视频、图像等； ② Volume，数据体量巨大，从TB级跃升到PB级； ③ Value， 高价值总量，但价值密度低； ④ Velocity，数据产生迅猛，处理时效要求高。;;;1.1 大数据（Big DATA）时代：巨量（Volume）;1.1 大数据（Big DATA）时代：计算（Velocity）;1.1 大数据（Big DATA）时代：思维（Value）;;类型全面 + 快速更新;;;;;;1.3 遥感大数据图谱认知 — 关键词1：遥感大数据;;;1.3 遥感大数据图谱认知 — 关键词1：遥感大数据;;;;;1. 几何校正 消除飞行器姿态、 高度、地球自转等 因素造成的变形。;;;关键技术实现-几何处理;遥感大数据综合处理系统 - IPM;;;覆盖度：65% 云量：23%;;;;环 渤 海 地 区 海 岸 带 影 像;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;2.1 地学信息图谱理论概要;;;遥感的“图-谱”特征 遥感具有的“图”特征：通过图像化扫描获取手段获得的覆盖地球表层的、多维 动态的、号称“海量”的、以栅格为主要类型的地球观测数据，综合反映地物空 间分布的特性，“图像”是其给予人类视觉最直观的特征； 遥感具有的“谱”特征：经历全色（黑白）、彩色摄影、多光谱扫描和高光谱成 像阶段，对地物生物和物理特征测定越来越精细，定量反映地物形成机理，“波 谱”成为蕴含于图像之中可对地物要素进行定量表达的基本特征； 遥感研究“图-谱”分离：由于传统对地观测系统中的各类分辨率指标不够精细或 相互难以协同转化，遥感科学研究中对“谱”信息反演和“图”信息提取及其相 应应用研究都是长期分离的，难以体现精细化、 定量化和 智能化等于一体的“图 －谱”耦合优势； 与地学信息图谱研究领域的差异：由于其产生源头的差异性，两者之间一直存在 一定距离感，其“图-谱”概念都不尽相同； 相互促进：遥感作为信息图谱获取的最直接手段，可为理论提供 基础性视场化地 球观测数据，同时信息图谱理论提出也为遥感地学分析与理解提供了 智能化认知 途径。;遥感信息图谱的提出 遥感应用 = 遥感认知：遥感应用作为遥感成像的逆过程，其本质上就是对遥感影像数据的认 知过程，需要通过计算手段从影像上提炼信息和挖掘知识，进而表达地面原型，建立专业应 用模型，以之服务于各行各业分析与决策的过程； 高分辨率遥感：目标几何形象、像元光谱特征在遥感图像上合二为一，具有“图谱合一”的 特性，对目标探测具备精细化、定量化相结合能力，真正推动遥感认知理论的发展； 遥感 “图谱”认知：高分辨率对地观测系统综合了高空间（主被动）、高光谱、高时间和高 辐射等多重对地表探测技术指标，启发我们提出了“图谱信息耦合”的遥感认知理论，使得 通过高分辨率遥感综合手段揭示城市等环境分布及演变规律成为可能； 信息提取是整个认知过程的核心：需要根据应用要求，运用物理模型、解译特征标志、观测 经验与背景知识，逐步提炼地物相应的物理量、时空分布、功能结构等信息。 信息提取 = “遥感数据图谱”?“遥感信息图谱”：其认知理论和方法就顺应了地学信息图 谱的框架，而其相应概念则蕴含了更具体的涵义 。;;;;;;;;;; 形态（人）：像元 （像素）— 对象/图 斑 — 地理实体（地块/目标）； 类型（穿西装的男人）：基元利用类型、 覆盖（材质）类型； 结构（ 社会关系） ： 基元空间相互作 用 — 空间密度 — 拓扑网络关系；;;;对遥感图谱耦合认知及多模态地理知识粒计算问题进行探索研究，突破时空格局精准理 解与功能场景智能 透视技术，构建地理时空大数据 四层结构的信息传递与协同计算模 型，实现从前端数据制造向后端精准服务的畅通流转！;;;;;;;;3.2 遥感大数据图谱认知 — 关键词3：认知;3.2 遥感大数据图谱认知 — 关键词3：认知;;;本讲总结与讨论;思 考：;创新地理知识