GeoCube： 面向大规模分析的多源对地观测时空立方体

随着对地立体观测体系的建立,遥感大数据不断累积。传统基于文件、景/幅式的影像组织方式,时空基准不够统一,集中式存储不利于大规模并行分析。对地观测大数据分析仍缺乏一套统一的数据模型与基础设施理论。近年来,数据立方体的研究为对地观测领域大数据分析基础设施提供了前景。基于统一的分析就绪型多维数据模型和集成对地观测数据分析功能,可构建一个基于数据立方的对地观测大数据分析基础设施。因此,本文提出了一个面向大规模分析的多源对地观测时空立方体,相较于现有的数据立方体方法,强调多源数据的统一组织、基于云计算的立方体处理模式以及基于人工智能优化的立方体计算。研究有助于构建时空大数据分析的新框架,同时建立与商业智能领域的数据立方体关联,为时空大数据建立统一的时空组织模型,支持大范围、长时序的快速大规模对地观测数据分析。本文在性能上与开源数据立方做了对比,结果证明提出的多源对地观测时空立方体在处理性能上具有明显优势。     

利用数据溯源的遥感产品质量问题追溯与分析

针对目前国内遥感数据生产单位的产品质量问题追溯主要通过手动检查过程数据及日志文件,执行效率较低的问题,提出了一种基于数据溯源的遥感产品质量问题追溯与分析方法。该方法基于有向图的思想,将遥感产品溯源信息映射到节点的各种属性和关联关系上,可用于遥感产品溯源信息的表达、存储、查询和分析。该文方法实现了质量问题信息的提取和生产过程的完整记录,有助于提高遥感产品质量问题分析效率。某遥感数据生产单位的初级遥感产品信息溯源实验证明了该文提出方法的可行性和有效性。     

分级模糊聚类算法及其在遥感积雪识别中的应用

本文提出了一种分级实现的模糊聚类算法。CFCM算法具有良好的分类精度,但其初值的选取却是非常困难的。本文所给算法第一级采用改进的SFCM算法,其结果作为第二级聚类的初值;第二级采用CFCM算法细分。在遥感积雪识别中的实验结果表明,这种算法改善了分类精度,而且由于初值选取较为合理,并不降低分类速度。