論大數(shù)據(jù)視角下的地球空間信息學(xué)的機(jī)遇與挑戰(zhàn)

李德仁^1,2,?張過²,?蔣永華¹,?沈欣²,?劉偉玲²

1?武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430079

2?武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079

?摘要：大數(shù)據(jù)時(shí)代已經(jīng)到來，并且已經(jīng)深入人類生活的方方面面。作為地球科學(xué)與信息科學(xué)交叉融合催生出的地球空間信息學(xué)，大數(shù)據(jù)時(shí)代的來臨在為其提供更豐富的數(shù)據(jù)保障的同時(shí)，也帶來數(shù)據(jù)存儲(chǔ)、管理、分析和挖掘方面的新挑戰(zhàn)，甚至造成了某種程度上的“數(shù)據(jù)爆炸”。從大數(shù)據(jù)視角，梳理了當(dāng)前地球空間信息學(xué)涉及的地理信息系統(tǒng)、智慧城市、遙感大數(shù)據(jù)和空間數(shù)據(jù)挖掘4個(gè)核心領(lǐng)域的瓶頸和挑戰(zhàn)；指出在大數(shù)據(jù)時(shí)代，地球空間信息學(xué)可為地球科學(xué)研究提供更加精準(zhǔn)、實(shí)時(shí)的空間信息框架和更加智能高效的信息處理手段，從而服務(wù)于智慧城市、智慧地球建設(shè)和人類社會(huì)的可持續(xù)發(fā)展。而且，大數(shù)據(jù)時(shí)代下，地球空間信息學(xué)的發(fā)展面臨著軟件和硬件水平的雙重考驗(yàn)。

關(guān)鍵詞：大數(shù)據(jù) ; 地理信息系統(tǒng) ; 智慧城市 ; 遙感大數(shù)據(jù) ; 空間數(shù)據(jù)挖掘

論文引用格式：

李德仁, 張過, 蔣永華, 等. 論大數(shù)據(jù)視角下的地球空間信息學(xué)的機(jī)遇與挑戰(zhàn)[J]. 大數(shù)據(jù), 2022, 8(2): 3-14.

LI D R, ZHANG G, JIANG Y H, et al. Opportunities and challenges of geo-spatial information science from the perspective of big data[J]. Big Data Research, 2022, 8(2): 3-14.

1 大數(shù)據(jù)時(shí)代的特征和挑戰(zhàn)

1.1 大數(shù)據(jù)時(shí)代的特征

近年來，隨著信息科技和網(wǎng)絡(luò)技術(shù)的發(fā)展，人類在網(wǎng)絡(luò)上交換的數(shù)據(jù)、傳達(dá)的信息使得全球每日產(chǎn)生的數(shù)據(jù)超乎想象，全球的數(shù)據(jù)規(guī)模呈爆發(fā)式增長(zhǎng)。2008年9月， Nature發(fā)表“big data”專刊文章，這標(biāo)志著大數(shù)據(jù)概念的產(chǎn)生。2011年Science發(fā)表對(duì)大數(shù)據(jù)進(jìn)行探討的專刊，這預(yù)示著大數(shù)據(jù)時(shí)代的到來。在2012年，美國(guó)正式開啟了“大數(shù)據(jù)研究和發(fā)展倡議”計(jì)劃。

2013年國(guó)家自然科學(xué)基金委員會(huì)專門開設(shè)了“大數(shù)據(jù)”項(xiàng)目群。大數(shù)據(jù)涵蓋人類社會(huì)生活的方方面面，隱含著巨大的社會(huì)、經(jīng)濟(jì)、科研價(jià)值，學(xué)者們常以未來世界的“石油”來表達(dá)它的重要性，它也早已成為企業(yè)界、科技界以及政界關(guān)注的熱點(diǎn)領(lǐng)域。而在生活中，人類早已踏入了大數(shù)據(jù)時(shí)代。在互聯(lián)網(wǎng)方面，Google在1 min內(nèi)能收到200萬次搜索查詢請(qǐng)求，Facebook在1 min內(nèi)能收到68萬次搜索請(qǐng)求，百度每天需要處理的網(wǎng)頁總數(shù)達(dá)到了1萬億，騰訊QQ和微信注冊(cè)用戶數(shù)分別高達(dá)8億和5億；在視頻數(shù)據(jù)方面，我國(guó)攝像頭總數(shù)超過2 000萬，每個(gè)攝像頭每小時(shí)可產(chǎn)生3.6 GB數(shù)據(jù)，數(shù)據(jù)量達(dá)到PB級(jí)甚至EB級(jí)；在交通出行方面，民航飛機(jī)單個(gè)引擎在1 h內(nèi)產(chǎn)生20 TB數(shù)據(jù)，北京市政交通一卡通每天的使用量約為4 000萬次，產(chǎn)生30 GB的存儲(chǔ)量；在用電量方面，國(guó)家電網(wǎng)年均產(chǎn)生數(shù)據(jù)約510 TB（不含視頻），累計(jì)產(chǎn)生數(shù)據(jù)約5 PB；在醫(yī)療方面，單個(gè)病人的計(jì)算機(jī)斷層掃描（computed tomography，CT）影像數(shù)據(jù)量達(dá)到了數(shù)十GB。各行各業(yè)的數(shù)據(jù)量都在不斷地飛速增長(zhǎng)。據(jù)國(guó)際數(shù)據(jù)公司（International Data Corporation，IDC）發(fā)布的《數(shù)據(jù)時(shí)代2025》預(yù)測(cè)，2025年人類的數(shù)據(jù)量將達(dá)到163 ZB，與2016年相比，數(shù)據(jù)量增加了近10倍，并且涵蓋結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，其中95%的數(shù)據(jù)是不精確的、非結(jié)構(gòu)化的數(shù)據(jù)。

國(guó)際上針對(duì)大數(shù)據(jù)的工程技術(shù)研究走在科學(xué)研究的前面。如上所述，大數(shù)據(jù)最大的特征是數(shù)據(jù)量巨大，而它的價(jià)值重在其本身的隱含價(jià)值。現(xiàn)在對(duì)大數(shù)據(jù)特征的描述已經(jīng)從3V、4V到5V，甚至新的3V。大數(shù)據(jù)的特征可總結(jié)為以下幾點(diǎn)。

● 體量大（volume）：各行各業(yè)每天生產(chǎn)的數(shù)據(jù)的量達(dá)到EB甚至ZB級(jí)。

● 速度快（velocity）：對(duì)數(shù)據(jù)實(shí)時(shí)性要求高，要求數(shù)據(jù)響應(yīng)速度快。

● 模態(tài)多樣（variety）：數(shù)據(jù)種類眾多。

● 真?zhèn)坞y辨（veracity）：數(shù)據(jù)來源較廣，數(shù)據(jù)類型多樣，數(shù)據(jù)存在缺失、歧義以及噪聲等問題。

● 價(jià)值巨大（value）：大數(shù)據(jù)作為未來世界的“石油”，對(duì)于社會(huì)發(fā)展具有巨大的隱藏價(jià)值。

1.2 大數(shù)據(jù)時(shí)代帶來的挑戰(zhàn)

大數(shù)據(jù)體量大、速度快、模態(tài)多樣等特征給當(dāng)前各行各業(yè)應(yīng)對(duì)大數(shù)據(jù)的存儲(chǔ)、讀取、處理、應(yīng)用以及隱含規(guī)律的挖掘帶來了嚴(yán)峻的挑戰(zhàn)。當(dāng)前的問題是，面對(duì)如今體量大、速度快、模態(tài)多樣和真?zhèn)坞y辨的數(shù)據(jù)增長(zhǎng)模式，如何有效地挖掘出大數(shù)據(jù)的巨大價(jià)值。地球科學(xué)方面的研究涉及政治、經(jīng)濟(jì)和文化發(fā)展，大數(shù)據(jù)時(shí)代也給地學(xué)研究帶來了嚴(yán)峻的挑戰(zhàn)，尤其是地球科學(xué)空間數(shù)據(jù)存儲(chǔ)和潛在價(jià)值挖掘方面。下面從大數(shù)據(jù)時(shí)代的地理信息系統(tǒng)（geographic information system， GIS）、智慧城市、遙感大數(shù)據(jù)和空間數(shù)據(jù)挖掘等方面總結(jié)當(dāng)今大數(shù)據(jù)時(shí)代下地球空間信息學(xué)的發(fā)展。

2 大數(shù)據(jù)時(shí)代的GIS

2.1 大數(shù)據(jù)GIS的機(jī)遇

GIS具有空間數(shù)據(jù)管理能力、空間分析能力以及地圖數(shù)據(jù)可視化能力。雖然大數(shù)據(jù)時(shí)代給GIS的發(fā)展及應(yīng)用帶來了巨大的挑戰(zhàn)，但大數(shù)據(jù)沒有改變GIS的特征，而是對(duì)GIS進(jìn)行了擴(kuò)展，促使其進(jìn)一步順應(yīng)時(shí)代的發(fā)展，這也是GIS進(jìn)一步發(fā)展的機(jī)遇。在大數(shù)據(jù)時(shí)代，GIS應(yīng)具有以下基本特征。

（1）可擴(kuò)展的動(dòng)態(tài)數(shù)據(jù)管理模式

傳統(tǒng)GIS的靜態(tài)關(guān)系型數(shù)據(jù)存儲(chǔ)模式已無法滿足大數(shù)據(jù)時(shí)代GIS的需求，因此，在架構(gòu)層面，大數(shù)據(jù)GIS需要滿足擴(kuò)展性，以實(shí)現(xiàn)動(dòng)態(tài)無限增長(zhǎng)的存儲(chǔ)和查詢的目標(biāo)。目前，人們比較熟知的MapReduce框架為當(dāng)前動(dòng)態(tài)數(shù)據(jù)管理模式的發(fā)展提供了很好的范例。

（2）實(shí)現(xiàn)結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)

關(guān)系型數(shù)據(jù)庫(kù)難以滿足大數(shù)據(jù)中非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)需求。近些年發(fā)展起來的鍵-值數(shù)據(jù)庫(kù)（key-value store）是非關(guān)系型數(shù)據(jù)庫(kù)的代表，該數(shù)據(jù)庫(kù)可自由添加字段，滿足非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)需求，但存在數(shù)據(jù)冗余的現(xiàn)象。雖然非關(guān)系型數(shù)據(jù)庫(kù)在數(shù)據(jù)存儲(chǔ)方面存在冗余問題，但非關(guān)系型數(shù)據(jù)庫(kù)依然是空間數(shù)據(jù)庫(kù)管理和存儲(chǔ)的重要方式。為了滿足數(shù)據(jù)存儲(chǔ)的需求，未來將會(huì)出現(xiàn)兼顧關(guān)系型數(shù)據(jù)庫(kù)和非關(guān)系型數(shù)據(jù)庫(kù)的統(tǒng)一數(shù)據(jù)管理模型，實(shí)現(xiàn)結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)功能。

（3）滿足可視化分析

在“3S（包括遙感（remote sensing， RS）、GIS、全球定位系統(tǒng)（global positioning system，GPS））”中，GIS更注重?cái)?shù)據(jù)的分析以及數(shù)據(jù)的可視化表達(dá)。在大數(shù)據(jù)時(shí)代，地球空間信息科學(xué)的內(nèi)涵沒有發(fā)生改變，但它的內(nèi)容和形式變得更加豐富。目前，GPS數(shù)據(jù)可被理解為任何可以標(biāo)識(shí)空間位置的數(shù)據(jù)，RS數(shù)據(jù)可被理解為多源傳感器數(shù)據(jù)，GIS則將這些與空間相關(guān)的數(shù)據(jù)映射到空間基準(zhǔn)下進(jìn)行統(tǒng)一的管理、分析和顯示。傳統(tǒng)GIS可視化更加注重符號(hào)、尺度和三維等問題的可視化表達(dá)，但對(duì)于大數(shù)據(jù)時(shí)代下的GIS，若不對(duì)信息進(jìn)行提煉和綜合而直接以點(diǎn)、線、面等符號(hào)表達(dá)出來，不僅達(dá)不到信息傳遞的效果，反而會(huì)因?yàn)橛行卣鞯貌坏奖磉_(dá)而適得其反。在大數(shù)據(jù)時(shí)代，不同分辨率用于數(shù)字孿生的真三維室內(nèi)外地上地下一體化實(shí)景模型將導(dǎo)致GIS數(shù)據(jù)的數(shù)據(jù)量和復(fù)雜度的提高，從而給數(shù)據(jù)探索、分析、理解和呈現(xiàn)帶來巨大的挑戰(zhàn)，這使得數(shù)據(jù)可視化基礎(chǔ)逐漸成為大數(shù)據(jù)時(shí)代的顯學(xué)。

2.2 大數(shù)據(jù)時(shí)代傳統(tǒng)GIS的挑戰(zhàn)

大數(shù)據(jù)時(shí)代傳統(tǒng)GIS面臨的挑戰(zhàn)可總結(jié)為以下幾點(diǎn)。

（1）大數(shù)據(jù)體量大帶來的挑戰(zhàn)

海量的數(shù)據(jù)問題一直是GIS研究的一個(gè)重要課題，在從海量數(shù)據(jù)跨越到大數(shù)據(jù)的時(shí)代背景下，GIS發(fā)展也遇到了數(shù)據(jù)的問題，尤其是海量數(shù)據(jù)如何存儲(chǔ)以及如何高效利用。GIS一般采用關(guān)系型數(shù)據(jù)庫(kù)來存儲(chǔ)數(shù)據(jù)，但是關(guān)系型數(shù)據(jù)庫(kù)在海量數(shù)據(jù)存儲(chǔ)方面未能解決可擴(kuò)展性問題，因此，GIS的應(yīng)用受到了限制。云計(jì)算和云存儲(chǔ)以及云端服務(wù)模式的出現(xiàn)，為GIS解決大數(shù)據(jù)存儲(chǔ)以及管理等問題帶來了曙光。在云服務(wù)模式下，數(shù)據(jù)可以按照需求存儲(chǔ)在不同的磁盤、不同的機(jī)器甚至不同的地點(diǎn)，但是這種模式在解決大數(shù)據(jù)體量大帶來的存儲(chǔ)問題的同時(shí)，也因?yàn)楝F(xiàn)有的存儲(chǔ)模式帶來了數(shù)據(jù)索引和數(shù)據(jù)查詢方面的問題。因此，針對(duì)空間大數(shù)據(jù)的數(shù)據(jù)劃分，基于內(nèi)存的索引，歷史、當(dāng)前及未來時(shí)空索引的并發(fā)控制，以及基于多線程的并發(fā)連續(xù)查詢等，也是亟須深入研究的方向。

（2）大數(shù)據(jù)流質(zhì)性帶來的挑戰(zhàn)

傳統(tǒng)GIS的空間數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)以靜態(tài)數(shù)據(jù)為主，而大數(shù)據(jù)時(shí)代下GIS面臨的是流數(shù)據(jù)（streaming data）的需求。流數(shù)據(jù)是由基于時(shí)間序列動(dòng)態(tài)增加的數(shù)據(jù)觀測(cè)值組成的序列，具有連續(xù)性和無限增長(zhǎng)性的特征。如傳統(tǒng)的ArcGIS文件型數(shù)據(jù)庫(kù)，其存儲(chǔ)量一般為2 GB，遠(yuǎn)遠(yuǎn)不能滿足大數(shù)據(jù)的流質(zhì)性特征。此外，現(xiàn)在的空間數(shù)據(jù)庫(kù)的存儲(chǔ)方式是靜態(tài)的關(guān)系型數(shù)據(jù)，需要具有數(shù)據(jù)結(jié)構(gòu)的詳細(xì)定義以及限定的數(shù)據(jù)大小，并且數(shù)據(jù)的查詢方式也是針對(duì)靜態(tài)數(shù)據(jù)的查詢，因此，現(xiàn)有GIS空間數(shù)據(jù)的存儲(chǔ)以及管理方式都不再適用于大數(shù)據(jù)時(shí)代的空間流數(shù)據(jù)。

（3）大數(shù)據(jù)模態(tài)多樣帶來的挑戰(zhàn)

在大數(shù)據(jù)時(shí)代，采集的數(shù)據(jù)通常包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，如圖片、視頻、文本、音頻、3D模型、實(shí)景圖片等，類型多樣，且數(shù)據(jù)內(nèi)容也千差萬別，數(shù)據(jù)格式的多樣性給數(shù)據(jù)存儲(chǔ)帶來了巨大的挑戰(zhàn)。傳統(tǒng)GIS數(shù)據(jù)結(jié)構(gòu)一般包括柵格數(shù)據(jù)和矢量數(shù)據(jù)，很少涉及非結(jié)構(gòu)化數(shù)據(jù)，而在大數(shù)據(jù)時(shí)代，非結(jié)構(gòu)化數(shù)據(jù)的比重越來越大，如3D模型和實(shí)景圖片等為人類的出行帶來了極大的便利，卻也給GIS分析和應(yīng)用帶來了一定的挑戰(zhàn)。目前，常用的關(guān)系型數(shù)據(jù)庫(kù)在面對(duì)非結(jié)構(gòu)化數(shù)據(jù)時(shí)也難以進(jìn)行有效管理，因此，如何實(shí)現(xiàn)對(duì)結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一管理、分析和利用也是GIS面臨的一個(gè)重大挑戰(zhàn)。

（4）大數(shù)據(jù)難以挖掘的隱含價(jià)值帶來的挑戰(zhàn)

在大數(shù)據(jù)時(shí)代，流質(zhì)性是導(dǎo)致大數(shù)據(jù)數(shù)據(jù)量龐大的原因，龐大的數(shù)據(jù)量給大數(shù)據(jù)帶來了真實(shí)性以及多樣性的挑戰(zhàn)。大數(shù)據(jù)真正的價(jià)值在于其蘊(yùn)含的潛在規(guī)律和知識(shí)。現(xiàn)實(shí)中的空間是一個(gè)復(fù)雜的系統(tǒng)，其具有4個(gè)方面的特征：非線性、多參數(shù)、不穩(wěn)定性和不確定性。這對(duì)現(xiàn)有的統(tǒng)計(jì)方法提出了更高的要求，統(tǒng)計(jì)的本質(zhì)是通過對(duì)樣本進(jìn)行描述來推出整體，進(jìn)而陳述事實(shí)，最終進(jìn)行確定性分析。而在大數(shù)據(jù)時(shí)代，數(shù)據(jù)本身的復(fù)雜性、不確定性和存在的噪聲使得通過現(xiàn)有的統(tǒng)計(jì)學(xué)方法發(fā)掘數(shù)據(jù)隱含的規(guī)律和知識(shí)的難度加大。目前，數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展使得數(shù)據(jù)分析更加注重的是價(jià)值的發(fā)現(xiàn)而不是預(yù)期的描述，但對(duì)于大數(shù)據(jù)存在的不確定性問題，數(shù)據(jù)挖掘也無法解決。因此，對(duì)于大數(shù)據(jù)GIS，空間統(tǒng)計(jì)模型的選擇、參數(shù)的訓(xùn)練至關(guān)重要，可進(jìn)一步探索基于人工智能方法的空間數(shù)據(jù)挖掘算法。

2.3 大數(shù)據(jù)GIS的未來展望

在大數(shù)據(jù)時(shí)代，大數(shù)據(jù)的特征給GIS帶來了挑戰(zhàn)，未來GIS需要解決以下幾個(gè)問題：一是面對(duì)超大規(guī)模的數(shù)據(jù)，如何進(jìn)行高效的管理、查詢和使用等；二是面對(duì)大數(shù)據(jù)的不確定性、非線性等，如何選擇高效正確的統(tǒng)計(jì)模型等；三是如何發(fā)展出高效的空間數(shù)據(jù)挖掘算法，以快速發(fā)現(xiàn)大數(shù)據(jù)中隱含的價(jià)值；四是如何高效地實(shí)現(xiàn)超大規(guī)模時(shí)空數(shù)據(jù)的可視化分析等。目前，大數(shù)據(jù)GIS亟須一整套科學(xué)的、系統(tǒng)的理論和方法來應(yīng)對(duì)大數(shù)據(jù)背景帶來的挑戰(zhàn)。

3 大數(shù)據(jù)時(shí)代的智慧城市

3.1 智慧城市的概念和發(fā)展

1993年美國(guó)啟動(dòng)的“信息高速公路”計(jì)劃和“九五”期間中國(guó)啟動(dòng)的“八金”工程標(biāo)志著城市信息化建設(shè)的起步。1998年，時(shí)任美國(guó)副總統(tǒng)戈?duì)柼岢隽恕皵?shù)字地球”的概念，這標(biāo)志著城市信息化逐漸進(jìn)入數(shù)字城市建設(shè)的新階段。而我國(guó)的國(guó)家地理信息公共服務(wù)平臺(tái)“天地圖”代表了我國(guó)300多個(gè)城市初步建成數(shù)字城市的縮影，為數(shù)億網(wǎng)民提供了高效的服務(wù)。2008年IBM公司提出了“智慧城市”新理念。2009年，IBM公司的彭明盛向美國(guó)政府提出了智慧城市建設(shè)的意見，它標(biāo)志著智慧城市從數(shù)字階段邁進(jìn)智慧階段。至此，智慧城市的概念逐步完善，智慧城市的基礎(chǔ)設(shè)施建設(shè)也取得了理論和技術(shù)上的進(jìn)步。與早期的信息基礎(chǔ)設(shè)施和數(shù)字城市建設(shè)相比，智慧城市更加注重信息資源的集成、共享、整合和服務(wù)，也更加強(qiáng)調(diào)城市管理方面的統(tǒng)籌與協(xié)調(diào)。智慧城市建立在數(shù)字城市的基礎(chǔ)框架上，通過無所不在的傳感器將它與現(xiàn)實(shí)城市關(guān)聯(lián)起來，將海量數(shù)據(jù)存儲(chǔ)、計(jì)算、分析和決策交由云計(jì)算平臺(tái)處理，并按照分析決策結(jié)果對(duì)各種設(shè)施進(jìn)行自動(dòng)化的控制。智慧城市通過物聯(lián)網(wǎng)將數(shù)字城市和現(xiàn)實(shí)城市進(jìn)行有機(jī)的融合，形成虛實(shí)一體化的空間，達(dá)到數(shù)字型孿生城市的水平。為了便于理解，可用如下表達(dá)式理解智慧城市：

智慧城市＝數(shù)字城市＋物聯(lián)網(wǎng)＋云計(jì)算（1）

3.2 智慧城市中大數(shù)據(jù)帶來的挑戰(zhàn)

智慧城市是基于數(shù)字城市、物聯(lián)網(wǎng)和云計(jì)算建立的現(xiàn)實(shí)世界與數(shù)字世界的融合，以實(shí)現(xiàn)對(duì)人和物的感知、控制和智能服務(wù)。它借助物聯(lián)網(wǎng)將現(xiàn)實(shí)城市和數(shù)字城市連接在一起，并借助由海量傳感器組成的物聯(lián)網(wǎng)不斷地采集城市中的人、車、物、水、電、氣等海量數(shù)據(jù)，通過對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)、處理、查詢和分析，為城市提供智慧服務(wù)的實(shí)時(shí)反饋。智慧城市對(duì)智慧的需求使得對(duì)大數(shù)據(jù)存儲(chǔ)、處理、查詢以及分析的實(shí)時(shí)性需求也越來越高，進(jìn)而導(dǎo)致大數(shù)據(jù)時(shí)代下的智慧城市面臨諸多挑戰(zhàn)。

（1）大數(shù)據(jù)存儲(chǔ)的問題

目前來看，存儲(chǔ)技術(shù)成本的下降速度與數(shù)據(jù)增長(zhǎng)速度的差距仍較大，尤其在當(dāng)下，海量數(shù)據(jù)的存儲(chǔ)帶來了巨大的成本障礙。例如天津市的安防系統(tǒng)，在理想情況下數(shù)據(jù)存儲(chǔ)需要的空間是4.6 EB，需要投入500億元的資金，由此可見大數(shù)據(jù)帶來的存儲(chǔ)成本之大。為了解決數(shù)據(jù)存儲(chǔ)帶來的巨大成本問題，我國(guó)采用兩種方式來降低成本，分別是縮短數(shù)據(jù)保存的時(shí)限和降低數(shù)據(jù)的存儲(chǔ)質(zhì)量。

（2）大數(shù)據(jù)檢索、信息提取的問題

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)的檢索和信息的提取不再是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的數(shù)據(jù)存儲(chǔ)和采集，而是對(duì)行為等關(guān)鍵信息一并進(jìn)行提取和分析。隨著衛(wèi)星傳感器的發(fā)送，各種類型的遙感衛(wèi)星每天可產(chǎn)生高達(dá)PB級(jí)的數(shù)據(jù)，城市中攝像頭每天可采集EB級(jí)的數(shù)據(jù)，并且城市采集的數(shù)據(jù)包括一些異常信息，如交通事故、盜竊等行為，可針對(duì)這些異常現(xiàn)象進(jìn)行預(yù)警以及及時(shí)出警處理，從而全方位地保障人民的生命財(cái)產(chǎn)安全。但是如何實(shí)現(xiàn)信息的高效檢索和語義信息提取，是當(dāng)前信息系統(tǒng)在大數(shù)據(jù)時(shí)代下面臨的重要難題，為此需尋求更好的解決方法。

（3）大數(shù)據(jù)隱含知識(shí)挖掘問題

大數(shù)據(jù)中往往隱含著豐富的知識(shí)和規(guī)律，但這些知識(shí)和規(guī)律需要不斷地挖掘才能發(fā)現(xiàn)，并且這些知識(shí)通常不是簡(jiǎn)單地通過統(tǒng)計(jì)分析、回歸處理便可以得出。此外，大數(shù)據(jù)還具有難以實(shí)現(xiàn)自動(dòng)化、難以實(shí)現(xiàn)繼承管理等問題，尤其是面對(duì)空間數(shù)據(jù)時(shí)，這種問題更加突出，導(dǎo)致想要在空間大數(shù)據(jù)中有效地挖掘知識(shí)和規(guī)律變得異常困難。因此，對(duì)于智慧城市，如何挖掘這些有效信息一直是大數(shù)據(jù)面臨的重要挑戰(zhàn)。

3.3 大數(shù)據(jù)時(shí)代智慧城市的未來展望

云計(jì)算和數(shù)據(jù)挖掘等技術(shù)的發(fā)展為智慧城市有效應(yīng)對(duì)大數(shù)據(jù)時(shí)代的挑戰(zhàn)帶來了技術(shù)支撐。智慧城市在面對(duì)各類龐大的數(shù)據(jù)量時(shí)，尤其是面對(duì)空間和視頻等非結(jié)構(gòu)化數(shù)據(jù)時(shí)，應(yīng)充分發(fā)揮云計(jì)算的優(yōu)勢(shì)對(duì)數(shù)據(jù)進(jìn)行有效的存儲(chǔ)和管理以及快速檢索。在數(shù)據(jù)存儲(chǔ)層面，基于云計(jì)算基數(shù)，構(gòu)建基于時(shí)空信息云平臺(tái)的云存儲(chǔ)與智能壓縮算法，以解決數(shù)據(jù)存儲(chǔ)問題。在數(shù)據(jù)檢索和信息提取層面，基于云計(jì)算技術(shù)，建立從基礎(chǔ)設(shè)施、數(shù)據(jù)、平臺(tái)到服務(wù)的一體化時(shí)空信息云平臺(tái)，實(shí)現(xiàn)對(duì)空間大數(shù)據(jù)、視頻大數(shù)據(jù)的有效管理。在數(shù)據(jù)挖掘?qū)用?#xff0c;應(yīng)用機(jī)器學(xué)習(xí)和人工智能方法構(gòu)建神經(jīng)網(wǎng)絡(luò)以及決策樹、遺傳算法等方法，揭示數(shù)據(jù)間的內(nèi)在關(guān)系，發(fā)現(xiàn)深層次的模式、規(guī)則和知識(shí)。智慧城市建設(shè)過程中產(chǎn)生的大數(shù)據(jù)問題既是下一代的科學(xué)前沿問題，也是推進(jìn)智慧城市發(fā)展的源動(dòng)力。

4 大數(shù)據(jù)時(shí)代的遙感大數(shù)據(jù)

4.1 大數(shù)據(jù)時(shí)代遙感大數(shù)據(jù)的發(fā)展

在遙感以及對(duì)地觀測(cè)研究領(lǐng)域，對(duì)地觀測(cè)技術(shù)的不斷進(jìn)步使得人類對(duì)地球的綜合觀測(cè)能力達(dá)到了空前的水平。并且，隨著不同的波段、不同的成像方式以及不同分辨率數(shù)據(jù)的不斷出現(xiàn)，遙感數(shù)據(jù)也逐漸實(shí)現(xiàn)了多元化。目前，遙感數(shù)據(jù)的數(shù)據(jù)量也在顯著增加，甚至呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)模式。獲取數(shù)據(jù)的速度得到提高，時(shí)效性也得到了有效的提高。遙感數(shù)據(jù)也呈現(xiàn)出了明顯的“大數(shù)據(jù)”特征。但現(xiàn)在存在的重要問題是，遙感信息處理能力仍舊十分低下，現(xiàn)有的遙感數(shù)據(jù)處理和分析仍未實(shí)現(xiàn)普適性，也仍未實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的處理。遙感信息處理技術(shù)與數(shù)據(jù)獲取能力之間出現(xiàn)了嚴(yán)重失衡的現(xiàn)象，導(dǎo)致遙感信息的處理仍舊處于“數(shù)據(jù)到數(shù)據(jù)”的階段，遙感信息知識(shí)獲取能力不足，致使遙感信息得不到充分的應(yīng)用，形成了“大數(shù)據(jù)，小知識(shí)”的悖論。更嚴(yán)重的現(xiàn)象是，由于海量遙感數(shù)據(jù)的堆積，遙感大數(shù)據(jù)占用了大量的存儲(chǔ)空間，造成了某種程度上的“數(shù)據(jù)災(zāi)難”。

遙感大數(shù)據(jù)的價(jià)值與大數(shù)據(jù)的價(jià)值相符，重在數(shù)據(jù)隱藏的規(guī)律和知識(shí)，而不是其數(shù)據(jù)量大。同樣，遙感大數(shù)據(jù)的目標(biāo)也和大數(shù)據(jù)一樣，在于從數(shù)據(jù)中挖掘隱藏的知識(shí)以及對(duì)數(shù)據(jù)進(jìn)行智能化和自動(dòng)化分析，實(shí)現(xiàn)從遙感數(shù)據(jù)到知識(shí)的轉(zhuǎn)變，突破“大數(shù)據(jù)，小知識(shí)”的瓶頸。遙感大數(shù)據(jù)的自動(dòng)分析是進(jìn)行遙感大數(shù)據(jù)信息挖掘、實(shí)現(xiàn)遙感觀測(cè)數(shù)據(jù)向知識(shí)轉(zhuǎn)化的前提，其主要目的是能夠建立統(tǒng)一、緊湊、語義的遙感大數(shù)據(jù)標(biāo)識(shí)，以便為后續(xù)的數(shù)據(jù)挖掘奠定基礎(chǔ)。遙感大數(shù)據(jù)的自動(dòng)分析主要包含數(shù)據(jù)的表達(dá)、檢索和理解等方面。

4.2 大數(shù)據(jù)時(shí)代遙感大數(shù)據(jù)挖掘面臨的挑戰(zhàn)

數(shù)據(jù)挖掘的含義是從大量數(shù)據(jù)中搜索出隱藏的信息，數(shù)據(jù)挖掘是現(xiàn)階段大數(shù)據(jù)處理的有效方法和重要手段。而針對(duì)遙感大數(shù)據(jù)的挖掘，數(shù)據(jù)挖掘指從遙感大數(shù)據(jù)中發(fā)現(xiàn)地表的變化規(guī)律，探索自然和社會(huì)的變化趨勢(shì)。遙感大數(shù)據(jù)的挖掘可總結(jié)為以下幾個(gè)步驟：數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理和分析、數(shù)據(jù)可視化及數(shù)據(jù)挖掘。其中，耗費(fèi)成本最大的是數(shù)據(jù)存儲(chǔ)過程，這是目前數(shù)據(jù)存儲(chǔ)技術(shù)的發(fā)展遠(yuǎn)遠(yuǎn)跟不上數(shù)據(jù)量增長(zhǎng)的速度導(dǎo)致的。難度最大的是數(shù)據(jù)挖掘過程，這是因?yàn)樗蕾囉诨诖髷?shù)據(jù)和知識(shí)庫(kù)的智能推理等理論和技術(shù)的支撐。數(shù)據(jù)挖掘過程中常用的方法有人工神經(jīng)網(wǎng)絡(luò)模型、決策樹模型、云模型和深度學(xué)習(xí)方法等。

天空地傳感技術(shù)的發(fā)展促進(jìn)了遙感大數(shù)據(jù)的發(fā)展，新一代算力基礎(chǔ)設(shè)施為遙感大數(shù)據(jù)的發(fā)展帶來了基礎(chǔ)支撐，如云計(jì)算平臺(tái)，但同時(shí)也對(duì)遙感大數(shù)據(jù)的發(fā)展提出了新的挑戰(zhàn)，一是面對(duì)每天生產(chǎn)出來的海量數(shù)據(jù)，如何對(duì)數(shù)據(jù)進(jìn)行有效的存儲(chǔ)；二是如何構(gòu)建更高效的數(shù)據(jù)檢索和存儲(chǔ)模型，這對(duì)于數(shù)據(jù)應(yīng)用來說至關(guān)重要；三是如何進(jìn)行高效的數(shù)據(jù)挖掘，挖掘潛在的地學(xué)規(guī)律和知識(shí)。因此，目前亟須尋求自動(dòng)化的數(shù)據(jù)智能處理和挖掘方法，發(fā)展可以對(duì)空間地理分布的視頻數(shù)據(jù)、影像數(shù)據(jù)進(jìn)行數(shù)據(jù)融合和時(shí)空數(shù)據(jù)挖掘的新理論和新算法。

4.3 大數(shù)據(jù)時(shí)代遙感大數(shù)據(jù)挖掘的潛在應(yīng)用

遙感大數(shù)據(jù)挖掘可實(shí)現(xiàn)地球各位置、各尺度變化規(guī)律的發(fā)掘，還可實(shí)現(xiàn)未知地球規(guī)律的發(fā)掘，如夜光遙感技術(shù)在社會(huì)科學(xué)方面、經(jīng)濟(jì)發(fā)展方面的應(yīng)用等。未來10年，我國(guó)遙感數(shù)據(jù)的種類和數(shù)量將呈現(xiàn)飛速增長(zhǎng)的趨勢(shì)，而對(duì)地觀測(cè)的深度和廣度也會(huì)快速發(fā)展，因此，亟須開展遙感大數(shù)據(jù)的進(jìn)一步深入研究，以使我國(guó)的遙感數(shù)據(jù)物盡其用。衛(wèi)星成功發(fā)射和數(shù)據(jù)收集是遙感對(duì)地觀測(cè)的第一步，而更大的挑戰(zhàn)是如何實(shí)現(xiàn)高效地存儲(chǔ)、分析和利用數(shù)據(jù)，為國(guó)家發(fā)展政策的制定、經(jīng)濟(jì)的發(fā)展提供支撐。目前，將遙感大數(shù)據(jù)轉(zhuǎn)化成知識(shí)是主要的理論挑戰(zhàn)和技術(shù)瓶頸，如果可以突破這一瓶頸，就可以提高遙感數(shù)據(jù)的利用效率，加強(qiáng)遙感在環(huán)境遙感、城市規(guī)劃、地形圖更新、精準(zhǔn)農(nóng)業(yè)和智慧城市等方面的應(yīng)用。因此，重視和抓緊遙感大數(shù)據(jù)的研究不僅具有非常重要的學(xué)術(shù)價(jià)值，而且具有重要的現(xiàn)實(shí)意義。

5 大數(shù)據(jù)時(shí)代的空間數(shù)據(jù)挖掘

5.1 空間大數(shù)據(jù)挖掘的由來

1989年，從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)（knowledge discovery from database， KDD）的概念在美國(guó)底特律召開的國(guó)際人工智能聯(lián)合會(huì)議（IJCAI）上被提出。1994年，LI D R等人在加拿大渥太華舉行的GIS國(guó)際學(xué)術(shù)會(huì)議上提出了從GIS數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)（knowledge discovery from GIS，KDG）的概念。自此人們逐漸認(rèn)識(shí)到，很多知識(shí)原來就隱藏在大量的數(shù)據(jù)之中。經(jīng)過不斷的努力，KDG已經(jīng)發(fā)展成系統(tǒng)的空間數(shù)據(jù)挖掘理論。王樹良率先從GIS空間數(shù)據(jù)中發(fā)現(xiàn)了用于指導(dǎo)GIS空間分析的知識(shí)，這進(jìn)一步引導(dǎo)了地球空間信息從狹義向廣義發(fā)展。1995年，在加拿大召開的第一屆知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘國(guó)際學(xué)術(shù)會(huì)議上，數(shù)據(jù)挖掘的概念被提出。由于數(shù)據(jù)挖掘經(jīng)常被認(rèn)為是KDD的一部分，通常將其聯(lián)合稱為數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)（data mining and knowledge discovery）。李德仁等人把KDG概念進(jìn)一步發(fā)展為空間數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)（spatial data mining and knowledge discovery），以克服空間災(zāi)難，用知識(shí)指導(dǎo)數(shù)據(jù)利用，奠定了空間數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)在地球空間信息學(xué)中的學(xué)科位置。此外，在不引起歧義的情況下，空間數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)可被簡(jiǎn)稱為空間數(shù)據(jù)挖掘（spatial data mining，SDM ）。

目前，空間數(shù)據(jù)挖掘已經(jīng)滲入數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)以及地球空間信息學(xué)等相關(guān)學(xué)科的學(xué)術(shù)活動(dòng)中。1997年，亞太地區(qū)、歐洲相繼召開數(shù)據(jù)挖掘?qū)W術(shù)會(huì)議。2005年，現(xiàn)代數(shù)據(jù)挖掘及其應(yīng)用國(guó)際學(xué)術(shù)會(huì)議召開，該會(huì)議現(xiàn)在被學(xué)者們列為數(shù)據(jù)挖掘領(lǐng)域的旗艦會(huì)議。空間數(shù)據(jù)挖掘的概念起源于國(guó)際GIS會(huì)議，空間數(shù)據(jù)挖掘后續(xù)逐漸成為各種GIS會(huì)議、國(guó)際攝影測(cè)量與遙感學(xué)會(huì)（International Society for Photogrammetry and Remote Sensing， ISPRS）等會(huì)議的主題，也逐漸成為SCI、EI等數(shù)據(jù)庫(kù)的收錄期刊的重要刊載內(nèi)容。現(xiàn)在，空間數(shù)據(jù)挖掘已在人們認(rèn)識(shí)和改造自然中發(fā)揮了重要的作用，也得到了國(guó)內(nèi)外眾多學(xué)者的青睞。

5.2 大數(shù)據(jù)時(shí)代空間數(shù)據(jù)挖掘價(jià)值

空間數(shù)據(jù)挖掘是從空間數(shù)據(jù)集中提取事先未知卻潛在有用的一般規(guī)則的過程。空間數(shù)據(jù)挖掘可以為基于空間數(shù)據(jù)的應(yīng)用提供有價(jià)值的知識(shí)，帶來巨大的收益，是人類認(rèn)識(shí)復(fù)雜系統(tǒng)的新思維、新手段，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型增長(zhǎng)的新引擎，提升國(guó)家綜合能力和保障國(guó)家安全的新利器，提升政府治理能力的新途徑。

空間數(shù)據(jù)挖掘的價(jià)值可總結(jié)為以下幾個(gè)方面。

（1）助力提升數(shù)據(jù)競(jìng)爭(zhēng)力

目前數(shù)據(jù)利用能力已成為對(duì)比各國(guó)綜合國(guó)力和技術(shù)力量的重要指標(biāo)。尤其在全球化時(shí)代，基于數(shù)據(jù)利用能力的數(shù)據(jù)流，能夠在社會(huì)分工協(xié)作中引領(lǐng)技術(shù)流、物質(zhì)流、資源流和人才流，增強(qiáng)空間數(shù)據(jù)的主權(quán)保護(hù)能力。空間數(shù)據(jù)挖掘可以實(shí)現(xiàn)數(shù)據(jù)資源的潛在價(jià)值，揭示新的知識(shí)發(fā)現(xiàn)，盡可能發(fā)揮數(shù)據(jù)資源的戰(zhàn)略作用，全面提升數(shù)據(jù)的規(guī)模、質(zhì)量和應(yīng)用水平，進(jìn)而提升國(guó)家競(jìng)爭(zhēng)力，推動(dòng)社會(huì)進(jìn)步和可持續(xù)發(fā)展。

（2）助推社會(huì)生產(chǎn)力發(fā)展

空間數(shù)據(jù)挖掘是一種空間決策支持技術(shù)，注重從數(shù)據(jù)中挖取未知卻有用的知識(shí)，最大限度地提升數(shù)據(jù)資源的有效利用能力，實(shí)現(xiàn)更準(zhǔn)確的監(jiān)測(cè)、分析、預(yù)警、預(yù)測(cè)，為決策者提供極有價(jià)值的知識(shí)，提高決策的針對(duì)性、科學(xué)性和可靠性。數(shù)據(jù)挖掘已經(jīng)滲透到社會(huì)經(jīng)濟(jì)活動(dòng)中，以數(shù)據(jù)流推動(dòng)社會(huì)生產(chǎn)要素的網(wǎng)絡(luò)化共享、集約化整合、協(xié)作化開發(fā)和高效化利用，將影響社會(huì)分工協(xié)作的未來產(chǎn)業(yè)格局。高端智能的數(shù)據(jù)挖掘產(chǎn)業(yè)新生態(tài)，能夠促進(jìn)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，培育新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，驅(qū)動(dòng)業(yè)務(wù)增值，提升經(jīng)濟(jì)運(yùn)行水平和效率。

（3）助力可持續(xù)發(fā)展

空間數(shù)據(jù)既有社會(huì)公益性，又有綜合價(jià)值，是解決人口、環(huán)境、資源和災(zāi)害等重大社會(huì)可持續(xù)發(fā)展問題的基礎(chǔ)資源。人類社會(huì)的可持續(xù)發(fā)展取決于合理利用資源和保護(hù)生態(tài)資源，有效地開發(fā)和利用數(shù)據(jù)資源能夠幫助人類降低對(duì)物質(zhì)和能量資源的巨量消耗。而空間數(shù)據(jù)挖掘即可實(shí)現(xiàn)以上需求。空間數(shù)據(jù)挖掘還能輔助發(fā)現(xiàn)新空間對(duì)象、瀏覽空間數(shù)據(jù)庫(kù)、輔助空間決策、理解空間數(shù)據(jù)、發(fā)現(xiàn)空間聯(lián)系以及空間數(shù)據(jù)與非空間數(shù)據(jù)之間的關(guān)系，優(yōu)化空間查詢。

5.3 大數(shù)據(jù)時(shí)代空間數(shù)據(jù)挖掘的未來展望

面對(duì)每天增長(zhǎng)的海量數(shù)據(jù)，空間數(shù)據(jù)挖掘由于空間數(shù)據(jù)庫(kù)缺乏“誰（who）”“什么（what）”“時(shí)間（when）”“地點(diǎn)（where）”“原因（why）”“如何（how）”的信息和元數(shù)據(jù)，導(dǎo)致數(shù)據(jù)難理解、難組織、難整合、難遷移等問題，限制了空間數(shù)據(jù)挖掘的能力。目前，由于數(shù)據(jù)庫(kù)技術(shù)的限制，多源高維數(shù)據(jù)給空間數(shù)據(jù)挖掘帶來機(jī)遇的同時(shí)，也帶來了挑戰(zhàn)，尤其在大數(shù)據(jù)時(shí)代，空間數(shù)據(jù)挖掘已經(jīng)滲透到國(guó)家安全、經(jīng)濟(jì)發(fā)展等各個(gè)層面，是保證在全球化時(shí)代海量空間數(shù)據(jù)得到有效利用的重要技術(shù)支持，未來也應(yīng)投入更多的人力、財(cái)力以促進(jìn)空間數(shù)據(jù)挖掘的發(fā)展。

6 總結(jié)

6.1 大數(shù)據(jù)時(shí)代地球空間信息學(xué)面臨的挑戰(zhàn)

大數(shù)據(jù)已經(jīng)滲透到生活的方方面面，人類也早已接觸到大數(shù)據(jù)。人類社會(huì)每天以EB甚至PB的數(shù)據(jù)級(jí)別產(chǎn)生數(shù)據(jù)，但數(shù)據(jù)的實(shí)際利用率卻很低，長(zhǎng)時(shí)間的數(shù)據(jù)堆積甚至造成了某種程度上的“數(shù)據(jù)爆炸”。大數(shù)據(jù)時(shí)代下的GIS、智慧城市、遙感大數(shù)據(jù)、空間數(shù)據(jù)挖掘在面臨EB甚至PB級(jí)的數(shù)據(jù)量時(shí)，都表現(xiàn)出了海量數(shù)據(jù)存儲(chǔ)成本高、數(shù)據(jù)管理分析難、數(shù)據(jù)使用效率低、數(shù)據(jù)挖掘難等問題，其中最重要的是在海量數(shù)據(jù)下如何用好大數(shù)據(jù)這份科學(xué)界的“石油”。大數(shù)據(jù)時(shí)代下地球空間信息學(xué)面臨的是軟件水平、硬件水平的雙重考驗(yàn)。

6.2 大數(shù)據(jù)時(shí)代地球空間信息學(xué)的發(fā)展展望

本文從大數(shù)據(jù)時(shí)代的GIS、智慧城市、遙感大數(shù)據(jù)和空間數(shù)據(jù)挖掘的發(fā)展、瓶頸等維度總結(jié)了大數(shù)據(jù)時(shí)代地球空間信息學(xué)的發(fā)展以及面臨的問題。首先面臨的是數(shù)據(jù)存儲(chǔ)的問題，但這一問題的解決不僅依賴硬件水平的提高，也依賴數(shù)據(jù)存儲(chǔ)算法以及云計(jì)算的發(fā)展；其次是數(shù)據(jù)檢索提取，由于數(shù)據(jù)結(jié)構(gòu)復(fù)雜，高效提取需要的數(shù)據(jù)是難題；最后是數(shù)據(jù)潛在信息挖掘，這是發(fā)揮大數(shù)據(jù)這份科學(xué)界的“石油”的重中之重。在多學(xué)科交叉的推動(dòng)下，大數(shù)據(jù)時(shí)代地球空間信息學(xué)的發(fā)展模式要求軟硬件必須同時(shí)發(fā)展。

作者簡(jiǎn)介

李德仁（1939-），男，博士，中國(guó)科學(xué)院院士，中國(guó)工程院院士，武漢大學(xué)教授、博士生導(dǎo)師，國(guó)際歐亞科學(xué)院院士，國(guó)際宇航科學(xué)院院士，國(guó)際著名測(cè)繪遙感學(xué)家，主要研究方向?yàn)榈厍蚩臻g信息科學(xué)。

張過（1976-），男，博士，武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室教授，主要研究方向?yàn)楹教鞌z影測(cè)量處理與應(yīng)用。

蔣永華（1987-），男，博士，武漢大學(xué)遙感信息工程學(xué)院副教授，主要研究方向?yàn)樾禽d光學(xué)衛(wèi)星高精度處理、衛(wèi)星在軌智能處理。

沈欣（1981-），男，博士，武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室副研究員，主要研究方向?yàn)檫b感衛(wèi)星任務(wù)規(guī)劃。

劉偉玲（1990-），女，武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室博士生，主要研究方向?yàn)榛谏疃葘W(xué)習(xí)的遙感影像云檢測(cè)。

聯(lián)系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

轉(zhuǎn)載、合作：010-81055307

大數(shù)據(jù)期刊

《大數(shù)據(jù)（Big Data Research，BDR）》雙月刊是由中華人民共和國(guó)工業(yè)和信息化部主管，人民郵電出版社主辦，中國(guó)計(jì)算機(jī)學(xué)會(huì)大數(shù)據(jù)專家委員會(huì)學(xué)術(shù)指導(dǎo)，北京信通傳媒有限責(zé)任公司出版的期刊，已成功入選中國(guó)科技核心期刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦中文科技期刊，以及信息通信領(lǐng)域高質(zhì)量科技期刊分級(jí)目錄、計(jì)算領(lǐng)域高質(zhì)量科技期刊分級(jí)目錄，并多次被評(píng)為國(guó)家哲學(xué)社會(huì)科學(xué)文獻(xiàn)中心學(xué)術(shù)期刊數(shù)據(jù)庫(kù)“綜合性人文社會(huì)科學(xué)”學(xué)科最受歡迎期刊。

關(guān)注《大數(shù)據(jù)》期刊微信公眾號(hào)，獲取更多內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的论大数据视角下的地球空间信息学的机遇与挑战的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。