论文部分内容阅读
海岸带遥感数据已经成为大数据,并呈现加速发展的态势;海岸带科学研究,离不开多源遥感数据及其遥感数据处理与分析工具的支撑。由于海岸带遥感数据的海量化、数据本身的复杂性、应用的专业性等特点,使得如何高效存储、集成、管理和可视化发布这些影像数据,如何从这些海量遥感影像中智能化、自动化挖掘和提取有效信息的能力远远落后于海岸带专业应用需求。因此,有效地进行数据集成,高效地提取和挖掘这些海量遥感数据中的知识信息,从而服务于海岸带的开发、监测、规划和综合管理等多个领域,是当前海岸带科学领域中一项迫切而重要的任务。 本论文主要以海岸带遥感数据集成、数据挖掘服务体系研究为目标,在数据挖掘、遥感理论、空间信息技术以及云计算技术基础上,通过系统性的海岸带遥感数据集成与挖掘服务体系研究,提出了海岸带遥感数据元数据模型、数据存储模型、数据挖掘框架、Web服务框架等模型,从而指导遥感数据存储、数据集成、数据挖掘与可视化数据服务的实现方式,并对遥感数据挖掘算法、云计算环境下的海量遥感数据并行计算技术等进行了研究,通过系统集成,设计了云计算环境下的海岸带环境遥感数据挖掘服务原型系统,并开展了示范应用与验证。 主要研究内容包括: (1)海岸带遥感数据挖掘服务体系架构研究 在介绍了建模理论方法与UML建模技术的基础上,通过海岸带遥感数据挖掘服务需求分析,提出了云计算环境下的海岸带遥感数据挖掘服务体系框架模型,并对该模型的总体功能层次框架、Web服务架构进行了研究和建模,为后面的研究奠定了基础。 (2)海岸带遥感数据集成研究 在分析了海岸带数据主要来源及特征,在元数据和XML技术基础上,提出了海岸带遥感元数据框架模型CoastalRSMetaModel,该模型是海岸带遥感数据集成的理论依据和基础;并研究了基于XML的元数据模型表达、元数据存储和管理方式。在此基础上研究了遥感数据集成模型和元数据组织存储模型,并重点研究了ORM模型、XML文档解析、以及数据集成中间件等关键技术。 (3)海岸带遥感数据挖掘研究 在介绍了当前云计算、分布式存储与分布式计算模型MapReduce技术框架基础上,提出了云计算环境下海岸带遥感数据挖掘模型,并重点对挖掘任务与流程管理、数据组织与存储、MapReduce、挖掘引擎、模式评估与评价等进行了建模研究。然后对海岸带地物分类进行方法研究,并针对遥感图像处理进行了MapReduce算法研究;最后研究了挖掘系统的挖掘算法管理、MVC设计模式以及功能接口等关键技术。 (4)原型示范系统设计与验证 在前面研究基础上,设计开发了海岸带遥感数据挖掘原型系统CoastalRSMiner,依据海岸带遥感元数据模型CoastalRSMetaMoel进行海岸带遥感数据的集成服务,构建了支持海岸带遥感数据挖掘的云计算环境,通过统一数据访问接口,实现了从多源、多类型、异构的数据源中抽取应用数据,基于数据挖掘系统开展数据挖掘服务,建成了海岸带遥感数据挖掘服务门户网站。并在系统中结合服务流程开展了海岸带水色遥感挖掘的示范应用,验证了原型系统的可行性和有效性。 云计算环境下的海岸带遥感数据挖掘服务体系的研究,可以解决海岸带遥感数据集成与数据挖掘应用服务,为海岸带遥感数据应用与研究提供有效支撑,具有重要的研究意义。