基于遥感数据挖掘的智能地理信息系统技术

黄树鹏

（成都理工大学地球科学学院，四川 成都 610059）

0 引言

地理信息科学（GIS），主要研究关于地球表层地理空间的各种重要自然地理信息，和人类社会活动中与表层空间地理位置密切相关的地理信息及其内在运动规律，应用计算机技术对地理信息进行处理、存储、提取，以及管理和分析过程中一系列的科学理论和技术方法问题。本文通过介绍智能地理信息系统技术和数据挖掘技术应用的必要性和可能性，来探讨遥感影像数据信息和基于遥感数据挖掘的智能地理信息系统技术。

1 智能地理信息系统技术的应用现状

智能地理信息技术，是一种在云服务、大数据和人工智能的基础上，利用人工智能和无人自动控制来实现与现实世界融合的一种技术。

目前，GIS通过融合和直接集成其他信息技术，形成具有综合性的信息技术服务系统，而地理空间信息服务系统技术的发展，主要取决于地球空间信息技术的不断进步，以及应用领域的不断扩大。随着现代信息技术的发展，地理空间信息科学的基础服务管理功能不断加强，地理空间信息科学系统已经作为地理空间技术信息分析手段广泛存在。

地理综合信息分析系统在自然景观地理生态环境规划、计算机信息科学、人类学以及自然森林资源管理等科学领域，已经从单一功能和较分散的信息系统，发展成为了一个具有信息共享的、多功能的地理综合性基础信息处理系统，将充分运用我国专家地理知识分析系统，进行地理综合信息分析并及时作出形势预报和分析决策，向系统智能化角度发展[1]。

智能地理信息技术是在地理综合信息分析系统上发展起来的，它结合了云服务、大数据和人工智能等技术，通过融汇自然地理学、人类地理学和地理信息系统等三个分支专业的理论方法，综合利用了物联网、互联网、智慧管理、大数据挖掘、人工智能等现代技术，进行了客观地理学世界与信息地理学世界的双向映射，是集合了地理传感网络、地理智能网络与地理控制网络于一身的信息融合体系，完成客观物理世界与信息技术世界的交互映射和融合，其映射原理如图1所示。

图1 现实物理世界与信息技术世界的映射

智能地理信息技术和非智能地理信息技术的区别在于：在地理信息系统的管理中，特别是在空间管理中，需要完成许多枯燥、重复的操作，极大地消耗了管理者的时间和精力。因此，如果将智能技术与地理信息系统数据库管理相结合，开发出相应的智能空间管理库，将大大减轻管理者的负担。例如，管理者只需将需要管理的数据转移给智能空间数据库，并将自己的需要逐一告知智能空间数据库，智能空间数据库就会自动、智能地读取和分类信息。

2 数据挖掘在智能地理信息系统技术中的应用

地理信息系统是描述地球、地球表面及其周围空间中存在的物体的科学信息收集系统。该数据库包含丰富的历史数据和科学信息，许多科学知识可能会隐藏在地理信息系统的数据库中。地理信息系统依靠数据分析和挖掘新技术的帮助，可以获得快速的发展，并被广泛应用[2]。

（1）虽然在地理信息系统中存储了大量的客观数据，但它的存储容量是有限的，总是不完整地描述一个客观世界。而物理数据挖掘主要使用深度数据学习等新技术，从这些有限的物理数据库中发现新的物理知识，更新已有的物理数据和数学知识。基于深度挖掘技术的发展，智能地理信息系统技术不仅是一个数据信息处理系统，更是一个物理数据源和数学知识源。

（2）数据挖掘可以用来提炼大量的地理信息系统数据。现有地理信息系统，已经存储了大量的重要数据，要对其中不同的数据进行区分识别，才能有效应用。利用数据挖掘技术，可以发现并计算分析信息层次和数据层次关系，使数据库只用来存储必要的重要数据和相互关系，从而可以细化GIS的数据库结构，最大限度地节省内存空间，大大提高整个数据库的管理效率和系统运行速度。

（3）用户可以通过数据挖掘和智能地理信息系统技术的结合，来实现所需测量数据的更新，并对更新后的数据进行有效利用。数据挖掘应用于智能地理信息系统，使智能地理信息系统技术可以自动获取知识和信息，通过专家系统与智能地理信息系统技术的结合，使其成为一个空间咨询和决策支持系统，而数据挖掘与智能地理信息系统技术的结合，使其成为一个真正的智能空间信息系统[3]，其自动化、智能化程度更高。

3 遥感影像数据信息技术的应用现状

随着雷达、红外、光电、卫星、电视摄影、扫描图像科技，以及各类宏观和微观传感器技术的广泛应用，遥感影像数据的总量、规模和复杂度都在飞速地扩大，已大大超过了人的分析和解译能力。用户已经不能够更详尽地解析已有数据信息，造成'空间数据信息爆炸但科学知识匮乏'。所以，迫使人们通过发展遥感影像数据信息内容的发掘（remote sensing image information mining，ReSIM）技术，找到并挖掘出蕴藏于遥感影像数据中的新信息。这是一种涵盖了众多学科，如影像数据处理、空间数据库、空间数据分析表现和图像可视化研究、空气信息挖掘、地方信息技术、资讯获取、机械教学与设计等的新型科学技术领域，它是急需发展的信息理论和科学技术研究的新兴产业，是空间数据挖掘科学技术研究范畴的一个重要分支。

遥感是在20世纪60年代发展起来的对地探测综合性科学技术，它以多光谱、多时相、高分辨率、多传感器以及全天候的服务特性为地球科学提供大量对地探测数据，并推动了遥感技术地球科学应用向更广阔、更广泛的方面发展。但尽管如此，地面遥感的实际应用技术水平却远远落后于空间遥感科学技术的进展，突出表现为：从卫星上发回的大量遥感数据并没有得到有效充分运用，对遥感数据处理资料了解的欠缺以及对遥感技术专题信息提取水平的落后，使得遥感技术数据中隐含的丰富科学知识远远不能得到充分的挖掘与运用，从而导致了遥感数据处理资料的大量耗费，以及实际使用价值的减少。所以，遥感数据的获取能力和认识与分析能力，将成为未来遥感技术应用中应重点研究的问题。

遥感数据是地表信息内容的反映，但因为地理体系的复杂化和开放式，地球表面信息内容往往是多维的、无限的，而通过信号传递所获取的遥感数据也就是最简单的二维信号，所以遥感数据的地学空间解析和传播过程反演，带有模糊和多解的特征。遥感信息的复杂化和不确定性的特征，给影片的解译工作造成了很大障碍，也是遥感信息得到进一步实用化和深化研究的主要障碍。

遥感系统是以地理信息技术为理论基石，通过综合应用数学统计分析、新一代人工智能、神经网络、进化运算、数据分析发现等现代智能理论与技术手段，在现代地理信息系统与专家系统的帮助下，把不同表达的地学信息加以融合，从而发现了遥感影像的信息特性，并模拟了地学专家对遥感影像的认识与理解，从而完成遥感影像的自动解译和进一步综合决策分析。

4 数据挖掘在遥感影像信息系统中的应用

解读遥感大数据的根本目的是掌握数据背后的知识和规律。遥感挖掘技术是空间数据挖掘技术的一个重要分支，其已成为空间数据挖掘的主流。在研究遥感与影像信息挖掘的基本框架基础上，简要介绍其所涉及的基础理论和关键技术，重点涉及目标确定、影像索引与检索、影像分析与聚类、关联规则挖掘等。

4.1 目标识别

目标辨识管理系统，一向是在映像处理应用领域中一种相当活跃的研究范畴。因为对象模式一般是先验的意识，而目标识别管理系统则利用它来找到影像上真正的人地物。这是视觉影像数据挖掘中最重要的一点。但一般来说，目标识别问题也被视为根据已有模式的监督标识提问。也就是说，给定网络中某个含有单个或许多感兴趣目标对象的映像，或者某个已标识的与目标对象有关的模式，目标识别问题将有适当的标识给响应的目标区域，或一组响应的区域。已知的对象模型，常常都是由人输入一个先验值。

4.2 影像检索

影片挖掘者需要根据某些特殊的条件，来搜寻影片讯息。上述规则和要求，根据其复杂性可以分成如下三个阶段:一是对影片中原始信息的检查，这种原始影像信息内容中包含了色彩、纹样、形态和影像元素的空间定位；二是对映像逻辑属性的搜索，即已指定类型目标的搜索；第三则是对映像抽象属性的空间搜索。

4.3 影像索引

在人们将关注的焦点聚集到社会各个层面的资讯需求上之际，为检索影像数据而进行快速有效的搜索策略，也是十分必要的。一般来说，被检索的影像数据库的信息量都是相当大的，属性矢量通常是高维的，查询复杂度也相当高。

4.4 影像分类和聚类

根据研究内容的影像数据智能划分，是从大量影片数据分析中发现有价值信息内容的最重要方法之一，划分模块在影片发现体系中也叫分类器。

4.5 关联规则挖掘

关联规则挖掘的目的就是挖掘经常同时出现的事件项或对象。在影片中，关联规则挖掘主要是用来发掘一些特定的对象同时存在时出现某种事物或情景的可能性。

5 基于遥感数据挖掘的智能地理信息系统技术

遥感图像数据中的“深度知识”，如空间位置分布规律、空间关联规则、形态特征分化规则等，必须通过操作和学习来挖掘。图像数据库中的空间关联规则挖掘，与事务数据库中的空间关联规则挖掘存在一定的差异。一幅图像可以包含多个对象，每个对象可以有许多特征，如颜色、形状、纹理、关键字和空间位置，可能有很多关联。采用智能地理信息技术挖掘方法，可以在不损失数据挖掘结果质量和完整性的前提下，大大降低整体数据挖掘的成本。这是在大型图像数据库中挖掘关联的一种有效方法。

利用全球遥感气象数据分析挖掘技术，通过对全球遥感气象数据的采集，进行高度智能化和高度自动化的采集分析，从当前全球气象遥感范围大气的气象数据中，自动分析挖掘采集得到的与地球上的各种气象相关联的气象物理信息，实现从全球气象遥感知识到大数据分析知识，到气象科学知识的全新技术转变，突破“大数据，小知识”的全球气象遥感和天气大数据挖掘气象应用处理技术发展瓶颈。

遥感信息大数据的数据分析挖掘工作过程为:首先进行数据的分类获取和综合存储，存储从各种不同的视觉传感器中获取的各种海量、多源流的遥感信息数据，并利用去噪、采样、过滤等技术方法，对其进行综合筛选后再整合形成一个数据集;然后对这些数据集进行分类处理和综合分析，如分别利用矢量线性和非线性等统计学技术方法进行综合分析，并根据一定逻辑规则对这些数据集进行分类，并综合分析这些数据及不同类别数据间的互联关系等;接着对分类后数据类别进行深度数据挖掘，利用人工网络、决策树、云计算模型、深度机器学习等技术方法，探索和分析发现数据间的各种内在联系、隐含关联信息、模式及隐含知识;最后通过可视化信息模式及隐含知识等，用直观的数据展示模式方便企业用户深入理解，并将数据类别信息进行数据融合，方便用户分析和综合利用[4]。

随着我国卫星航空遥感照片图像和地球航空遥感物理图片图像分辨率的不断提高，人们不仅可以从卫星遥感照片图像中同时获得更多有用的遥感数据和影像信息，同时利于遥感图片影像信息分类技术对遥感信息提取。

随着全球遥感技术和自动地理环境信息监测系统分析技术的快速发展，基于全球遥感技术数据的自动地理环境信息系统分析技术得到了快速的发展，并广泛地应用到自然资源与环境管理、自动环境制图、设施环境管理、城市与工业区环境规划、人口管理与商业环境利用、交通运输、石油与天然气利用、教育与军事等九大产业的100多个工业领域。

6 结束语

综上所述，遥感技术所获得的信息，为专业地理数据库提供了大量丰富的内容，智能地理信息系统技术为我国遥感技术的发展和广泛应用，提供了良好的技术环境。创新发展的遥感专业技术模型的形成，数据挖掘的深度与广度，使得遥感信息技术应用产生了一个新的飞跃，促进了地理数据的快速发展。