随着传感网、天地一体化监测网络以及遥感和对地观测技术的蓬勃发展,人类获取和处理地球空间信息的能力达到了空前水平。随着多平台、多传感器、多分辨率、多波段和多时相的遥感数据呈指数级增长,全球导航卫星系统(global navigation satellite system,GNSS)数据获取的速度和精度迅速提高,地理信息系统(geographic information system,GIS)非结构化数据越来越多、数据更新周期越来越短,空间信息(spatial information)朝着体量大、类型杂、时效强和价值高的大数据特征发展,传统的空间信息处理方法已不再适应于大数据时代需求。遥感图像分类,GNSS定位结算和高程拟合,矢量数据存储、管理与分析等常规任务在准度、精度、效率上对空间信息处理提出了更高的要求,遥感图像计算机解译与自动分析、GNSS自动定位与导航,GIS自动建模与数据挖掘等新型工作更是对空间信息处理提出了智能化的要求。由此,发展日益成熟的人工智能技术与空间信息科学的结合势在必行,空间信息智能处理已迫在眉睫。
空间信息智能处理涉及的学科和技术众多,既包括地球空间信息科学、遥感科学、地理信息科学、测绘科学,也包括计算机科学、人工智能、物联网,甚至还包括图像处理、控制论、大数据等内容。空间信息基础设施已逐步完备,高分遥感卫星、小卫星、北斗系统、数字城市等的建设,产生了海量的空间信息;遗传算法、神经网络、模式识别、专家系统等智能算法的发展和改进,使得空间信息智能处理成为研究热点。毋庸置疑,空间信息智能处理和智慧地球、智慧城市的建设分不开,也和物联网、云计算、大数据等技术紧密相连——各类卫星、传感器、监测设备形成实时监测网络,地球本身信息以及地球表面人和事物的信息千变万化,而这些信息之中80%都与空间位置有关,故而智慧地球依托于空间信息及其更新,从而实现更透彻的感知和更全面的互联互通;物联网将万物互联,各种设备、事物、人员之间的信息在其中穿梭不停;云计算和大数据等技术则为大体量数据的处理和分析提供了解决方案。在空间信息获取与采集,空间信息存储与管理,空间信息处理和分析等一体化信息系统中,空间信息智能处理起着提高获取和采集效率,优化存储和管理方案,增强处理和分析能力的作用。
笔者已在2010年编著的《物联网技术导论》 和2012年编著的《物联网应用与解决方案》 两书中就物联网技术基础和应用方案进行了详细阐述,并于2015年编著的《智慧城市及其解决方案》 一书中详细论述了智慧城市相关技术、解决方案和应用实例。笔者在完成智慧城市总体框架设计、关键技术分析以及典型应用案例等基础上,从空间信息科学如何在智慧城市建设中发挥主体作用的视角出发,完成了对智慧城市建设从整体到局部、从主干到细节的详细阐述。本书以总体与分布结构的形式,首先介绍空间认知和地理信息理论的背景知识,并详细给出地球空间信息科学的相关学科知识,论述空间信息智能处理的必要性和研究内容;然后分章论述模式识别、专家系统、模糊理论、人工神经网络、优化算法、空间信息智能融合和大数据的理论基础及其在空间信息智能处理中的典型应用,力争做到理论和实践相结合,以及图文并茂。为了更加清晰准确反映图像内容,书中部分需要彩色呈现的图表附在书后彩插中。
在撰写过程中,本书参考或引用了大量文献,其中大多数已在书中注明了出处,但难免有所疏漏。在此,向有关作者表示感谢,并对未能注明出处的资料原作者表示歉意。
本书由笔者与刘典主笔编写,参与部分编写工作的还有叶威惠和邹贵祥。在编写过程中,北京航空航天大学杨东凯教授就本书的组织结构和技术内容提供了许多宝贵意见,本书还得到了中国科学院遥感与数字地球研究所陈良富、张立福两位专家的支持和帮助,在此特向他们表示诚挚的谢意。
由于编著者水平有限,书中难免有错误和疏漏之处,恳请读者批评指正。
张飞舟
2018年8月
于燕园
图3.2 理想ES的结构图
图3.3 建立ES的一般步骤
图3.4 遥感卫星接收系统的组成图
图4.11 大理洱海西南区域(4,5,3波段)假彩色合成图
图4.12 FCM聚类结果
图4.17 四组遥感图像
表5.1 TM影像解译标志
图5.20 各监督分类分类器对样本Ⅰ分类的结果图
图5.21 各监督分类分类器对样本Ⅱ的分类结果图
图5.22 各监督分类分类器对样本Ⅲ的分类结果图
图5.28 不同领域窗口尺寸下的CNN分类结果 [67]
图5.29 CNN与最大似然分类、SVM分类结果对比 [67]
图5.30 青海湖区域分类结果 [67]
图5.32 合成影像 [72]
图5.33 拟合模型 [72]
图5.34 合成影像分类结果 [72]
图5.35 高分辨率遥感影像及分类结果 [72]
图5.37 BP神经网络模型评价农用地适宜性分区图
图6.4 GA的进化操作——计算适应度
图6.6 GA的进化操作——交叉
图6.7 GA的进化操作——变异
图6.17 实验区域及附近区域的地质分布图
图6.18 选择岩石训练样本示意图
图6.20 根据方向偏移量ω(Δθ)的取值情况
图6.21 不同时间、不同分类规则下分类前后图像比较
图6.22 已分类像元数与时间关系
图6.29 从左至右依次为原图像、PSO分类图和See 5.0分类图