余娜

摘  要：随着现代科技的快速发展，自动化和信息化成为技术应用的主要特征，遥感技术作为大数据背景下获取数据资源的重要途径，其在社会经济发展中的应用也越来越广泛。随着遥感技术的不断创新，其获取的数据在规模上不断扩大，在类型上逐渐多元，而这必然会对大数据的自动分析与挖掘提出更高的要求。基于此，本文从遥感大数据的特征出发，对数据自动分析和挖掘技术进行简要分析，以探索我国遥感大数据的发展方向。

关键词：遥感大数据;自动分析;数据挖掘

近些年来，信息科技和网络的通信技术已经得到了飞速的发展，并且全国的信息基础设施也得到了完善，在全球的数据已经呈现出了极速增长的模式状态。在此种情况下，传统的数据处理方式已经满足不了现代化的处理需求，因此需要利用大数据的自动分析和数据挖掘来实现对数据的有效分享和利用。大数据科学已经成为了一个横跨信息科学、社会科学以及网络科学的新型交叉学科，受到了学术界的广泛关注。

1遥感大数据的特征

在外部特征方面，首先具有海量的特征。遥感大数据的数据具有海量的特点，并且对着遥感技术的不断发展，在现阶段当中的高分辨率和高动态的新型卫星传感器在单位时间之内可以捕获到更多的数据量;其次还具有数据异构的特点，也就是说在数据生产过程当中所依赖到的业务系统之间会呈现出的不同状态，都需要由不同的数据中心来进行提供的，并且在逻辑结构或者组织方式上也呈现出了不同的特点;另外，还具有数据多源的特点，集中体现在数据的来源和捕获信息的手段方面，是可以拥有多种获取形式的，包括全球的观察网络点接收到的实时信息，以及民众手中的用户端的个性化信息。

在内部特征方面，首先具有高维度性的特点，遥感大数据的数据类型呈现出了多样化的特点，因此数据当中的维度也变得越来越高，集中体现在了空间维度、时间维度以及光谱维度等。其次还具有多尺度性的特点，成为了遥感大数据的重要特点，也就是说在进行数据的获取过程当中，可以根据不同的遥感技术和相对应的技术水平，来进行有效的划分，在空间和时间上呈现出多尺度的特点。另外，还具有非平稳性的特点，由于遥感大数据广泛的获取方式和物理意义，在信息理论的角度上来说，就属于典型的非平稳信号，呈现出分布参数或者规律随时发生变化的特点。

2遥感大数据的自动分析

2.1数据表达

随着遥感技术的发展，在数据生成中，其包含的语义信息更加丰富而多元，传统的数据表达方式已经难以实现对遥感大数据的准确解读，因此，在数据自动生成系统构建中，技术人员应做好表达方式的设计。例如在地理观测中，技术人员可以根据地理位置在不同粒度、不同方位、不同时相在不同观测空间的投影，来对已经生成的遥感大数据进行表达，进而为地理学研究提供光谱、纹理、结构等方面信息，提高遥感数据分析在地理检测中的作用。

2.2数据检索

在自动化数据处理的环境下，遥感大数据应用正在朝着自动化管理的要求方向发展，在自动化检索模式下，遥感方法下所采集的各种交通网络以及地籍、大地控制等专项数据的处理要求发生变化，依靠各种自动化检索的需求，能够快速从中提取关键数据，在数据处理过程中，现有的地理信息与遥感数据服务链之间具有动态的数据处理能力，这样才能实现数据处理的服务协同优化。

根据自动化检索的要求，为了确保可以从海量遥感数据获得满足用户兴趣爱好，针对其中的遥感数据模块完成各项检索与管理，这样可以保证遥感大数据的利用效率。而随着相关技术的发展，遥感大数据中可以储存大量的观测数据，数据所具有的相似性、冗余性会产生一定的冗余信息，通过这些信息需要从中寻找遥感数据的差异性，最大程度上保证信息处理要求。

2.3数据理解

在实现遥感大数据向具体知识转化的过程中，语义理解上的鸿沟需要弥合，目前在遥感大数据的自动分析过程中，数据尤其是底层数据与知识生成之间几乎是“风马牛不相及”，这使得数据挖掘中目标识别难以实现，知识的形成自然受到限制。针对此，在遥感大数据的理解系统构建中，技术人员一方面要将数据特征、分析目标、识别场景等信息进行一体化处理，以强化遥感大数据的语义理解;另一方面还要做好多元数据分析，基于多途径、多场景、多尺度的原则实现多元语义的输出。

2.4数据云系统

遥感大数据云的技术，可以将各种方式的遥感信息资源进行有效的整合，建立起遥感云服务的相关新型业务应用和服务模式，可以将在天空当中的传感器所捕捉到的信息通过软件的计算和整合来实现数据资源的有效存储和处理，从而使得用户可以在很快的时间之内获取到有效的服务。

3遥感大数据的数据挖掘

3.1遥感大数据的挖掘过程

在遥感大数据挖掘过程中，整个过程包含着数据分析、可视化、融合等过程，这些环节中都具有鲜明的大数据特征。在数据挖掘过程中，在通过对大数据资源库进行筛选后，从中提取大量的數据集;通过对不同数据集的分析，可以形成以不同特征为核心的数据集群，在这些数据集群中，会根据大数据管理的要求，生成不同的评判标准，这样就可以为接下来的数据处理标准作出数据控制。之后，通过数据挖掘的方法，以不同的规格标准从中获得不同的大数据信息;在之后的数据可视化改进中，可以按照现有可视化规则，完成数据与信息的知识融合。

按照上述遥感大数据挖掘过程，可以通过可视化的模式，通过一种直观的展示方法，简化用户的理解流程，这样用户就可以直接获得想要的遥感信息，并直接从中提取核心资料。按照这个要求，遥感大数据后的数据挖掘应该体现出遥感信息控制的要求，能够通过不同的检索标准予以改进。

3.2遥感大数据的综合挖掘

遥感大数据和广义的遥感大数据的综合挖掘的过程，利用此种方式，一方面可以与其他的数据方式形成良好的互补关系，另外一方面也可以对其数据当中的变化规律以及其他信息进行更好的挖掘和采集。在广义的遥感时空大数据当中，存储的费用是相当昂贵的，并且在数据的分析能力方面也存在严重不足的现象，因此在现代社会的智慧城市的建设过程当中发挥不了其巨大的作用，因此需要利用其他自动化的数据智能处理和挖掘的方式来对其空间地理分布的数据进行全新的挖掘和过滤。在时空分布的视频数据挖掘过程当中，在对智能数据进行处理和信息提取的同时，还要通过时空当中所分布的视频数据进行自动化的区分，来有效的区分正常和非正常的状态。在对时空数据的挖掘过程当中，主要可以从时空数据当中进行提取出隐藏的有用的信息知识，利用各种综合性的方式和方法，比如统计法、聚类法、归纳法以及云理论等。在遥感大数据的挖掘应用方面，可以适用于地球各种尺度和方位的变化，还可以在很大程度上对未知的信息进行良好的筛选和挖掘，推动国家的科学技术的发展，实现社会的可持续化发展。

结语：

综上所述，在不断的发展过程当中，我国的遥感数据的种类和数量将呈现出飞速增长的模式，在很多方面以及领域当中已经开展了遥感大数据的研究工作。值得注意的是，现阶段当中需要将遥感大数据的理论知识进行实践化的转变，从而实现遥感大数据的自动分析和数据挖掘功能，推动科学信息的不断进步。

参考文献

[1]  胡晓东，张新，屈靖生.大数据架构的遥感资源存储管理方法[J].地球信息科学学报，2018，18（05）：681-689.

[2]  李德仁，张良培，夏桂松.遥感大数据自动分析与数据挖掘[J].测绘学报，2018，43（12）：1211-1216.

[3]  李安安.遥感大数据自动分析与数据挖掘[J].信息系统工程，2017（06）：114-115.