高分辨率遥感大数据图谱协同计算模型

The high resolution remote sensing is now reaching a level of full coverage of TuPu and sustainable update in earth observation. Studying and further establishing a TuPu-coupled computation and service system of remote sensing data is, therefore, the key to exploring the potentially tremendous social values of remote sensing. With focusing on the scientific problems in the theory of remotely sensed TuPu-cognition, this project proposes and studies the collaborative computing model for the Big-Data of high resolution remote sensing. It also attempts to, by exploring the model, method and applied practice, provide theoretical and technical supports for promoting the large-scale service capability of remote sensing in all its relevant aspects. This project aims to break through the technical problems encountered with comprehensive processing of “geometric - radiometric – effectiveness - composition” associated with the domestic high resolution satellites, thereby solving the key problems of quickly geographic positioning, topographic-induced distortion and high-accuracy mosaic of satellite imagery. Further, on the basis of building a unified space-time reference for the remote sensing Big-Data, the project aims to develop the theory of TuPu-cognition with the hierarchies “pixel –geo-parcel / target – scene / pattern – function / evolution”. Particularly, the intelligent land information generation approaches are explored in the way of "five-land-in-one". Then a collaborative computing and servicing platform for the remote sensing Big-Data will be developed. Finally, we will carry out the survey of the planting structures of major economic crops, which is used for precise agricultural subsidies computing in Guangxi. This application will specify the multistage of collaborative computing system from the active and on-demand production to push updates, and thereby form the user-driven service mode in remote sensing.

高分辨率遥感正实现图谱全覆盖、持续更新的对地观测，研究并建立图谱耦合的遥感数据计算与服务体系，是遥感能否发挥其巨大社会价值的关键所在。本项目针对其中遥感“图-谱”认知的科学问题，提出并研究高分遥感大数据协同计算模型，力图通过模型、方法和实践等方面探索，为全方位提升遥感规模化服务能力提供理论和技术支撑。突破国产高分卫星“几何-辐射-有效-合成”综合处理的技术难题，解决大幅宽影像快速定位、地形因素畸变校正与高精度拼接等关键问题，在构建统一时空基准的影像大数据基础上发展以“像元－地块/目标－场景/格局－功能/演化”为体系的图谱认知理论，重点开展“五土合一”的土地信息智能生成方法研究，研发遥感大数据协同计算与服务平台，开展广西自治区主要经济作物种植结构调查和精准农补的应用示范，实现大数据环境下高分数据从主动处理、按需生产到推送更新的多级协同计算体系，形成用户驱动的遥感服务新模式。

高分辨率遥感已逐步实现地表全覆盖、时空综合、持续快速更新的对地观测，研究并建立图谱协同的遥感大数据智能计算与精准应用体系，是遥感能否发挥巨大社会价值的关键所在。本项目针对遥感图谱耦合认知中“精”、“准”两方面的科学问题，研究了高分遥感大数据智能计算模型及相关技术，取得进展如下：.1、发展了1套面向精准化地理应用的遥感图谱认知理论方法。首先，针对传统规则网格难以对复杂地表进行精细化表达，且与真实地理单元相脱节，导致计算过程不可控、结果难以被验证的核心问题，提出了基于地理图斑的不规则格网表达方式；在此基础上，遵从“粒化-重组-关联”的计算范式，分别面向空间、时间、属性发展了分层感知器、时空协同反演、多粒度决策器等3个基础模型，厘清了基于地理图斑开展时空协同和星地协同的2条计算路线。.2、研制了1套基于高分遥感开展图斑级P-LUCC生产的软件系统。项目组在分区分层的地学分析思想以及深度学习/迁移学习/强化学习等机器学习机制研究基础上，通过分区网络控制、图斑分层提取、知识分级迁移、功能结构重组，研发了精细而定量的地理图斑智能提取生产线，是相对传统面向对象类遥感解译软件的一次革新。.3、生产了4类面向精准化地理应用的图谱，包括1类图斑级P-LUCC的基础信息图谱以及围绕自然生态、农业生产、城市生活的3类专题信息图谱，重点在南方多云多雨地区农业遥感监测(生产空间)、山地生态植被遥感精准制图(生态空间)以及国土与城市空间优化设计(生活空间)等三大空间开展了应用实践。.本项目通过以上理论方法、技术软件和应用实践的综合探索，形成了学术专著2部、高水平学术论文74篇、授权技术发明专利1项、图谱案例8项等成果，初步实现了高分遥感多级协同的计算流程，建立了从前端“数据处理”向后端“精准应用”的遥感大数据图谱认知实现路径，为全方位提升遥感产品的规模化服务能力提供理论基础和技术支撑。

内容获取失败，请点击重试