共查询到19条相似文献，搜索用时 109 毫秒
1.
《地球信息科学学报》2016,(7)
正北京超图软件股份有限公司研发的智慧城市时空信息云平台,定位为智慧城市的核心基础平台,是集数据管理、资源展示、数据交换、服务管理、应用开发、运维管理等于一体的区域信息资源公共服务平台。平台通过构建地理信息服务总线(Geo-ESB),打通不同资源、应用之间的通道,可以融合区域各类信息资源及实时感知信息、应用服务等,对外提供全面无缝集成、自动智能化的公共基础服务,实现不同部门、不同应用间的资源共享和业务协同,适应各类智慧城市(区域)/智慧应用中对信息资源共享应用的需求。 相似文献
2.
遥感信息提取在矿产资源调查、预测的应用综述及展望 总被引：1，自引：0，他引：1
文章综述遥感信息提取技术在矿产资源调查、预测、开发和规划管理等方面的应用,以及它的局限性,并对其未来发展作了展望。 相似文献
3.
4.
5.
随着遥感技术的飞速发展,遥感数据成为城市规划、地球科学研究、数字地球等重大科学研究和工程建设的重要数据源。但随着遥感数据量的不断增加和应用领域的扩大,如何科学有效地管理、存储、更新和重用已有的遥感数据资源,已成为当前空间信息元数据研究的热点。因此,有必要制订专门用于描述遥感数据及其相关资源的元数据系统,满足用户正确了解和使用遥感数据的需要,推动遥感数据共享。本文在研究和参考现有国家和国际地理信息元数据标准的基础上,设计了针对遥感信息与知识交换共享的元数据系统,该系统实现了遥感数据、相关辅助测量数据、应用方法模型以及传感器、平台等相关知识等信息的统一、规范表示,为遥感信息与知识交换共享搭建了元数据层次上的平台。 相似文献
6.
农业作为中国国民经济的战略性产业,在粮食生产和可持续发展目标方面起着举足轻重的作用。为了满足农业管理中大空间尺度、长时间序列遥感数据的存储、组织和处理,节省用户计算资源,提高农业生产管理专题的时效性和普适性,地理空间数据处理云平台备受关注。谷歌地球引擎（Google Earth Engine,GEE）作为一款集数据获取、数据运算、模型建立、精度验证以及可视化分析于一体的地理空间分析开源智能云平台,极大地扩展了农业领域研究的广度和深度,为精准农业领域的发展带来了新的机遇。本文从GEE平台、农业应用数据、作物种植支撑管理和农田管理工具等角度出发,分析了基于GEE平台的农业管理研究最新研究进展,以“平台-数据-农业管理-工具”为大框架,强调了多源协同的有效数据信息支撑农业监测管理决策的制定,高效易扩展的农田种植管理和作物生长监测工具可以辅助提高农业生产效率,农情数据信息和农业管理工具在全球背景下共同促进农业可持续发展。文章对GEE在农业应用数据支撑、农业监测管理和农田管理工具等方面的研究现状进行分析总结,突出了GEE云平台相比于传统的桌面端地理空间数据处理平台分别在数据、工具和应用3个方面给... 相似文献
7.
王瑜 《资源导刊(河南)》2021,(2)
近日,自然资源部办公厅印发《地理信息公共服务平台管理办法》(以下简称《办法》),旨在加强地理信息公共服务平台管理,推动地理信息资源开放共享,提升地理信息公共服务能力和水平。《办法》规定,地理信息公共服务平台是县级以上自然资源主管部门向社会提供各类在线地理信息公共服务、推动地理信息数据开放共享的政府网站。平台由国家级节点、省级(兵团)节点、市县级节点组成。平台管理坚持全国统筹、分级负责、共建共享、协同服务、安全可控的原则。 相似文献
8.
9.
遥感信息图谱计算的理论方法研究 总被引：5，自引：1，他引：4
遥感应用的本质是投入专业知识从对地观测影像中提炼专题信息,并以之服务于各类分析与决策的过程。其中,信息计算是整个遥感应用服务技术链的基底。本文在传承地学信息图谱理论的基础上,提出了遥感"图-谱"信息耦合的空间认知理论,构建了"像元-基元-目标-格局"为一体的遥感信息图谱计算的理论方法体系,将其分为"像元级"和"对象级"两个层次,并阐述了高性能计算环境支持下,遥感信息图谱计算平台的设计开发思路及目前研发进展,总结了遥感信息图谱计算的发展趋势和重点研究问题。 相似文献
10.
提出了建设云GIS的完整的解决方案,通过研究云平台技术的交付模式和地理信息系统的特点,结合山东省地质灾害信息管理的实际需求,开发了基于云平台的山东省地质灾害综合服务系统。针对云GIS(地理信息系统)海量的存储空间数据及丰富的信息显示的特点,对地质灾害点数据进行高速处理和实时显示,文中设计了系统的建设方案,在云平台的架构设计基础上,设计并实现了对山东省地质灾害信息点的管理、查询、科普、统计等需求,实现了基于云平台技术的山东省地质灾害综合服务系统的开发。 相似文献
11.
海量遥感数据的高性能地学计算应用与发展分析 总被引：1，自引：0，他引：1
航空及航天遥感器的快速发展,使得多源、多时空分辨率的遥感数据成TB级增长,对海量遥感数据的高性能计算与处理提出了更高的要求。据此,当前的遥感应用已经吸收了新型硬件架构计算、集群计算和分布式计算等高性能计算领域的最新技术。本文针对高性能计算处理海量遥感数据的效率问题,分别从分布式并行遥感文件系统和高性能遥感地学计算模式两个方面来论述该问题的研究进展;在此基础上,列举了当前具有代表性的集群和分布式遥感计算平台/系统,并结合具体实验工作,详细阐述了遥感高性能计算平台gDos-IPM(Geospatial Data Operation System-Image Processing Machine)的设计思路;最后总结了高性能遥感地学计算的发展趋势。 相似文献
12.
基于Google Earth Engine和NDVI时序差异指数的作物种植区提取 总被引：1，自引：0，他引：1
为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。 相似文献
13.
图像融合是一项计算密集型的操作,对计算机系统的性能要求很高,硬件的发展远赶不上计算需求的增长,传统的遥感图像处理方式已经不能很好地适应新的资源共享模式,故软件方面的改进是必然的选择。网络技术的发展,使网络带宽有了很大的提高,大量的遥感图像通过网络发布成可在线获取的共享资源,利用网络和这些资源能大幅提升融合处理的速度。网格是网络的进一步延伸,是一个变化性较大的动态系统,资源的动态变化是网格的重要特征,数据的更新、节点的加入或离开、节点负载的变化、网络性能的变化等都会影响网格服务的性能,只有及时地掌握这些动态,并根据情况实时进行调整,才能保证较高的执行效率。基于网格服务的遥感图像并行融合的设计,在网格环境下,通过对资源和服务状态属性的分析,生成最优化的方案进行并行处理,可提供高效的遥感图像融合处理服务。 相似文献
14.
农业土地利用遥感信息提取的研究进展与展望 总被引：3，自引：0，他引：3
农业用地占到全球土地面积近一半,农业土地利用（包括耕地及作物分布、种植制度、土地管理等）变化直接影响到粮食安全、水安全、生态安全和气候变化。遥感已经成为土地利用信息获取的重要手段,近年来中分辨率遥感卫星如Landsat、Sentinel以及中国高分卫星等的免费开放为国内外农业土地利用信息提取提供了前所未有的机遇,取得了一系列重要研究进展。本文从耕地分布、作物类型识别、农业种植制度以及农业土地管理4个角度分析了土地利用信息提取的最新研究进展。结果发现：① 耕地分布产品已经由过去的粗分辨率提升到10~30 m,耕地现状数据较为丰富,但挖掘遥感数据实现耕地变化历史回溯的能力有待加强;② 作物分类方面多采用地面调查数据和卫星遥感（Landsat和Sentinel-2为主）相结合的方式进行,在北美和欧洲得到了业务化运行,但对作物种植面积早期监测的能力有待加强;③ 基于遥感的农业种植制度信息获取（如撂荒）研究多集中在东欧等地区,在中国由于经济和政策因素导致的撂荒、轮作、休耕等现象也十分普遍,但具有针对性的遥感监测研究目前还相对缺乏;④ 农业土地管理措施信息提取方面,区域灌溉面积产品取得了重要进展,但数据的可靠性和准确性仍有待提高。在此基础上,我们结合遥感大数据、深度学习算法、云计算平台的发展对未来农业土地利用信息提取研究进行了展望：① 融合多源数据形成更高维度空间、光谱和时间信息的遥感大数据,提升特征提取和数据挖掘能力;② 机器学习和深度学习算法等智能化方法与基于地理学和物候信息的专家知识方法的耦合;③ 遥感云计算和大数据挖掘等前沿遥感和计算技术的应用。 相似文献
15.
本文以SOA开放式架构与OGC标准规范,提出了极地海冰-海洋参数遥感反演模型分布式共享服务体系。服务体系以"模型服务"为核心,探讨了模型服务接口和模型服务的互操作问题。为了简化极地海冰-海洋参数遥感反演模型的分布式共享过程,提出了极地海冰-海洋参数遥感反演模型共享服务平台的概念。共享服务平台处于模型与模型应用客户端之间,可以实现两者之间的数据转化和功能协同,以及实现模型算法与其他功能的分离,使模型开发者可以专注于模型算法的设计和实现。最后,以海冰密集度遥感反演模型和冰间湖识别模型为例,实现了极地海冰-海洋参数遥感反演模型分布式共享方法。 相似文献
16.
近年来,随着遥感空间数据广泛应用于生态系统,推动了区域尺度生态遥感参数模型的发展。敏感性分析对识别模型关键参数,降低模型不确定性和完善模型具有重要作用。区域尺度的生态遥感参数模型,在进行模型参数敏感性分析时,由于涉及到空间数据的复杂运算,单机环境无法满足快速分析的要求。为了提高生态遥感参数模型空间敏感性分析效率,本文以青藏高原为研究区域,利用植被光合模型VPM(Vegetation Photosynthesis Model)和开源云计算平台Hadoop,设计和实现了基于Sobol′的生态遥感参数模型空间敏感性分析并行算法,并在实验室集群环境下进行算法分析,验证了算法的有效性和适用性。该算法的核心是利用MapReduce并行编程技术,对空间敏感性分析中的地图抽样和模型迭代过程进行任务分割,将分割后的子任务分配至不同的计算节点进行并行计算。实验表明,本文提出的并行策略,能有效缩短地图抽样和模型迭代计算时间,相比于单机算法,并行算法的运行速度提高了14倍左右。 相似文献
17.
遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。 相似文献
18.
Remote sensing of ecosystem services: An opportunity for spatially explicit assessment 总被引：6，自引：5，他引：1
Ecosystem service is an emerging concept that grows to be a hot research area in ecology. Spatially explicit ecosystem service
values are important for ecosystem service management. However, it is difficult to quantify ecosystem services. Remote sensing
provides images covering Earth surface, which by nature are spatially explicit. Thus, remote sensing can be useful for quantitative
assessment of ecosystem services. This paper reviews spatially explicit ecosystem service studies conducted in ecology and
remote sensing in order to find out how remote sensing can be used for ecosystem service assessment. Several important areas
considered include land cover, biodiversity, and carbon, water and soil related ecosystem services. We found that remote sensing
can be used for ecosystem service assessment in three different ways: direct monitoring, indirect monitoring, and combined
use with ecosystem models. Some plant and water related ecosystem services can be directly monitored by remote sensing. Most
commonly, remote sensing can provide surrogate information on plant and soil characteristics in an ecosystem. For ecosystem
process related ecosystem services, remote sensing can help measure spatially explicit parameters. We conclude that acquiring
good in-situ measurements and selecting appropriate remote sensor data in terms of resolution are critical for accurate assessment
of ecosystem services. 相似文献
19.
高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。 相似文献