基于覆盖模型的遥感时序数据互操作计算应用研究

发布时间：2020-04-05 07:15

【摘要】：随着3S技术、通讯技术和互联网技术的不断发展,空天地一体化对地观测网、“互联网+”天基信息服务、对地观测脑等概念的进一步拓展应用,对多源时空信息的获取、处理、应用和服务提出了新的挑战。在此背景下,本文以海量多源异构遥感时序数据挖掘为需求,开展基于覆盖模型的遥感时序数据互操作计算应用研究,以期为区域时空大数据互操作挖掘研究及应用提供新思路。遥感时序数据的海量多源异构特征是阻碍遥感时序信息互操作共享的主要问题之一,本文以Web覆盖服务规范(Web Coverage Service,WCS)的核心数据模型覆盖模型为基础模型,提出相应的遥感时序数据互操作计算方法,实现基于覆盖模型的遥感时序数据互操作计算应用。主要的研究内容如下:(1)提出了 Web 覆盖处理服务(Web Coverage Processing Service,WCPS)和R语言协同计算方法。在深入研究WCPS语法规则及其实现方法基础上,利用WCPS对覆盖数据进行互操作计算,并利用运行于Web的R语言对WCPS计算结果进一步计算,从而挖掘出覆盖数据深层次信息。(2)实现了遥感时序数据与覆盖数据的映射及存储。在深入研究覆盖模型相关理论的基础上,分析遥感时序数据与覆盖模型的关系,并研究了遥感时序数据与覆盖数据的映射方法。针对遥感时序数据互操作计算的解析需要,构建遥感影像元数据集,并利用覆盖模型元数据模块的可扩展性,构建集成该元数据集的覆盖模型。基于该模型,实现遥感时序数据与覆盖数据的映射。针对映射后覆盖数据存储问题,分析XML数据和遥感时序数据的存储方法,并设计相应的存储方案实现存储,为遥感时序数据互操作计算应用做铺垫。(3)构建了 WCPS和R语言协同计算互操作系统。针对WCPS和R语言协同计算的需求,构建相应的协同计算互操作系统。该系统的WCPS计算和R语言计算分别由覆盖数据处理引擎Rasdaman和Web环境下R平台Shiny实现。将该系统部署在4台Web服务器上,以进行遥感时序数据互操作计算实验。(4)以郑州市主城区为研究区域,以徐涵秋提出的遥感生态指数(Remote Sensing Ecological Index,RSEI)计算为案例,基于上述研究成果,利用部署在不同Web服务器的WCPS和R语言协同计算互操作系统实现RSEI互操作计算,并对结果进行生态学意义上的分析。案例表明,WCPS和R语言协同计算的方式,支持多源遥感时序数据中隐含的时空动态信息的挖掘,是一种有效的遥感时序数据互操作挖掘手段。
【图文】：

图３－１三维抽象覆盖模型逡逑

逦（ｃ）逦（ｄ）逡逑图３－２规则和不规则格网逡逑格网的结构差异形成了不同类型的格网，可以分为规则格网和不规则格网。逡逑规则格网的轴为直线，且相互正交，，沿轴方向的间隔一致（如图３－２邋（ａ））；不逡逑规则格网形式多样，如格网轴为非直线、非正交（如图３－２邋（ｂ）上，图３－２邋（ｄ））逡逑或沿某轴的间隔不一致（如图３－２邋（ｂ）下，图３－２邋（ｃ））等等。这些规则或不规逡逑则格网可以以Ｇｒｉｄ格网、ＲｅｃｔｉｆｉｅｄＧｒｉｄ格网、ＲｅｆｅｒｅｎｃｅａｂｌｅＧｒｉｄ格网三种类型逡逑格网表示。其中，Ｇｒｉｄ格网和ＲｅｃｔｉｆｉｅｄＧｒｉｄ格网是规则格网，ＲｅｆｅｒｅｎｃｅａｂｌｅＧｒｉｄ逡逑格网则是对各种不规则格网的统一表达。Ｇｒｉｄ格网通常不具备坐标参考系，难逡逑以表达真实世界的坐标信息，而ＲｅｃｔｉｆｉｅｄＧｒｉｄ格网、ＲｅｆｅｒｅｎｃｅａｂｌｅＧｒｉｄ格网则逡逑支持坐标参考系的表达。由于ＲｅｃｔｉｆｉｅｄＧｒｉｄ格网、ＲｅｆｅｒｅｎｃｅａｂｌｅＧｒｉｄ格网是Ｇｒｉｄ逡逑格网的扩展
【学位授予单位】：福州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237

【相似文献】

相关期刊论文 前10条

1 王妙琼;魏凯;姜春宇;;工业互联网中时序数据处理面临的新挑战[J];信息通信技术与政策;2019年05期

2 黄雄波;;基于自相关函数的非平稳时序数据的辨识改进[J];微型机与应用;2016年13期

3 尚继霞;;基于时序数据的辽宁省环境库兹涅茨曲线实证分析[J];统计与咨询;2013年04期

4 钟清流;蔡自兴;;基于统计特征的时序数据符号化算法[J];计算机学报;2008年10期

5 王兴家;汪晓惠;赵超;;基于神经网络的混沌时序数据失真检测方法研究[J];重庆交通大学学报(自然科学版);2007年06期

6 郝善勇,刘玉树;基于样本数据重抽样的时序数据预报方法[J];北京理工大学学报;2000年05期

7 骆金维;曾德生;郭雅;黄富平;;时序数据并行压缩速率改进技术研究[J];电子设计工程;2018年20期

8 林芝,曹加恒,刘娟,韦丰;基于信息论网络的时序数据库挖掘[J];计算机工程与应用;2003年01期

9 郑斌祥,杜秀华,席裕庚;一种时序数据的离群数据挖掘新算法[J];控制与决策;2002年03期

10 朱明,蔡庆生;基于约束满足的相似时序数据的搜索算法[J];计算机工程;2000年01期

相关会议论文 前7条

1 张荣明;邹湘军;顾邦军;罗陆锋;周艳琼;;基于探索性分析的时序数据研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

2 鲍远松;董文生;;一种分布式时序数据库的存储架构设计及实现方法[A];中国计量协会冶金分会2018年会论文集[C];2018年

3 张明伟;周清波;宫攀;陈仲新;周勇;刘佳;;基于MODIS时序数据分析的作物识别方法[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第六分册[C];2005年

4 刘帅;李琦;;基于重建NDVI时序数据的植被覆盖变化研究[A];遥感定量反演算法研讨会摘要集[C];2010年

5 许馨文;马卫国;张宝雷;;基于国家级开发区的聚类方法初探[A];京津走廊经济崛起与工业园区产业集群研究——纪念廊坊开发区建立十五周年暨工业园区产业集群专题征文研讨活动论文集[C];2007年

6 曹晖;司刚全;张彦斌;贾立新;;基于模糊时序数据挖掘的火电厂制粉系统优化算法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

7 孙启龙;吕颖;张利国;;基于深度学习的道路可靠性评估方法与实验[A];第37届中国控制会议论文集（E）[C];2018年

相关博士学位论文 前7条

1 吴吉庆;面向Internet的时序数据快速分发技术研究[D];国防科学技术大学;2011年

2 张贵生;数据驱动的金融时间序列预测模型研究[D];山西大学;2016年

3 何周舟;基于时序数据的结构学习与模式预测联合优化算法研究[D];浙江大学;2016年

4 白天;连分式方法在脉冲去噪、时序数据压缩及视频镜头检测中的应用研究[D];合肥工业大学;2014年

5 赵静;基于高斯过程的动态系统研究[D];华东师范大学;2016年

6 叶红梅;面向流域生态安全的景观格局演变研究[D];华中科技大学;2009年

7 钟清流;时序、图像特征检测的理论、方法及应用研究[D];中南大学;2008年

相关硕士学位论文 前10条

1 宁顺成;基于遥测时序数据的航天器异常检测技术应用研究[D];哈尔滨工业大学;2019年

2 陈骁;基于不完备时序数据的农作物动态识别方法研究[D];浙江工业大学;2019年

3 陈洋;基于视频的行人重识别方法研究[D];华中科技大学;2019年

4 陈远杰;基于覆盖模型的遥感时序数据互操作计算应用研究[D];福州大学;2018年

5 杨超;面向工业大数据的可视化系统设计与实现[D];电子科技大学;2019年

6 王超;云环境中时序数据的预测和异常检测算法的研究[D];南京大学;2019年

7 舒伟博;时序数据二分类问题的等距短shapelet转换算法[D];中国科学技术大学;2019年

8 刘雷;面向时序数据的离群点异常检测技术应用研究[D];中央民族大学;2019年

9 赵显静;面向时序数据的不确定性知识表示及预测[D];重庆邮电大学;2018年

10 韩日旺;关于时序网络鲁棒性与修复性的研究[D];华中师范大学;2018年

本文编号：2614719