掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
PIE遙感云服務與實踐 版權信息
- ISBN：9787030754233
- 條形碼：9787030754233 ; 978-7-03-075423-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
PIE遙感云服務與實踐 本書特色
遙感、測繪、地理信息系統、國土空間規劃、自然資源管理及相關專業科研工作者，對遙感云計算和智能解譯感興趣的生產技術人員
PIE遙感云服務與實踐 內容簡介
本書是在國產時空遙感云服務平臺PIE-Engine系列用戶手冊和培訓素材的基礎上，集作者多年遙感大數據、云計算、人工智能等理論研究和開發實踐經驗升華凝練而成的。本書結合時空遙感云服務平臺PIE-Engine設計理念、基本功能和技術特色，系統介紹了時空遙感云服務平臺PIE-Engine基本理論、關鍵技術、操作流程和專題應用。本書聚焦時空遙感云服務技術前沿，力求理論與實踐相結合，集海量遙感數據在線處理、遙感數據科學分析、全棧式遙感智能解譯、遙感數據共享與發布的理論與操作實踐于一體，用通俗易懂的語言闡述復雜的遙感云服務技術問題。
PIE遙感云服務與實踐 目錄
目錄
叢書序一
叢書序二
前言
第1章 緒論 1
1.1 概述 1
1.2 國內外遙感云平臺發展現狀 2
1.2.1 國外遙感云平臺進展 2
1.2.2 國內遙感云平臺進展 5
1.3 遙感云平臺發展趨勢 8
1.3.1 技術交融化 8
1.3.2 場景泛在化 9
1.3.3 業務精細化 9
1.3.4 服務大眾化 10
1.3.5 應用智能化 10
思考題 11
參考文獻 11
第2章 理論與基礎 13
2.1 大數據 13
2.1.1 概述 13
2.1.2 大數據處理技術 14
2.1.3 開源大數據處理平臺 14
2.2 云計算 17
2.2.1 概述 17
2.2.2 云計算關鍵技術 18
2.2.3 云服務 21
2.2.4 開源云計算管理平臺 22
2.3 遙感云平臺構建 26
2.3.1 概述 26
2.3.2 云原生與地理數據服務 26
2.3.3 無服務器計算與遙感數據分析 31
2.3.4 基于地理編碼的多源時空立方體 34
思考題 37
參考文獻 37
第3章 海量遙感數據在線處理 40
3.1 概述 40
3.2 多源異構遙感數據處理 41
3.2.1 高分辨率光學衛星影像處理 41
3.2.2 高光譜衛星影像處理 47
3.2.3 雷達衛星影像處理 51
3.2.4 無人機影像處理 62
3.3 PIE-Engine Factory介紹 65
3.3.1 設計思想 65
3.3.2 基本功能 66
3.3.3 操作方法 67
3.4 應用實例——數字正射影像圖（DOM）生產 80
思考題 99
參考文獻 99
第4章 遙感數據科學分析 101
4.1 概述 101
4.2 遙感在線并行計算 101
4.2.1 遙感數據存儲模型 101
4.2.2 計算執行和優化技術 102
4.3 PIE-Engine Studio介紹 106
4.3.1 設計思想 106
4.3.2 數據集 107
4.3.3 基本功能 108
4.3.4 操作方法 136
4.4 應用實例——凈初級生產力（NPP）分析 157
思考題 166
參考文獻 167
第5章 全棧式遙感智能解譯 168
5.1 概述 168
5.2 全棧一站式智能解譯技術 168
5.2.1 基于多用戶場景下模型反饋優化的訓練與評估技術 169
5.2.2 基于云原生及微服務架構的模型動態調度技術 170
5.2.3 解譯模型輕量化適配技術 172
5.3 PIE-Engine AI遙感智能解譯服務平臺 175
5.3.1 設計思想 175
5.3.2 基本功能 176
5.3.3 操作方法 183
5.4 應用實例——基于濱海區域儲油罐目標要素識別 214
思考題 220
參考文獻 220
第6章 地理時空數據共享與發布 221
6.1 概述 221
6.2 地理時空數據管理 222
6.2.1 概述 222
6.2.2 地理空間格網剖分 222
6.2.3 空間索引構建 224
6.2.4 全局統一元數據管理 229
6.2.5 混合多態存儲架構 232
6.3 地理時空數據訪問引擎與存儲 233
6.3.1 地理時空數據統一訪問引擎 233
6.3.2 混合多態存儲技術 241
6.4 多源數據在線地圖服務與發布技術 249
6.4.1 在線地圖服務 249
6.4.2 在線發布技術 251
6.5 PIE-Engine Server介紹 256
6.5.1 設計思想 256
6.5.2 基本功能 261
6.5.3 操作方法 264
6.6 應用實例——陜西省土壤類型數據在線配圖流程介紹 277
思考題 289
參考文獻 289
第7章 專題實踐 291
7.1 基于多源遙感的湖泊生態環境智能監測服務 291
7.1.1 概述 291
7.1.2 服務能力 292
7.1.3 服務案例應用領域 301
7.2 基于多源遙感的城市生態宜居評估服務 301
7.2.1 概述 302
7.2.2 服務能力 303
7.2.3 服務案例應用領域 311
7.3 水稻自動提取服務 311
7.3.1 概述 311
7.3.2 服務能力 312
7.3.3 服務案例應用領域 317
7.4 黃河口及其鄰近海域水質遙感監測服務 317
7.4.1 概述 317
7.4.2 服務能力 318
7.4.3 服務案例應用領域 326
7.5 基于AI算法的大棚識別提取服務 327
7.5.1 概述 327
7.5.2 服務能力 328
7.5.3 服務案例應用領域 335
思考題 335
參考文獻 335
附錄一 PIE-Engine Studio公共數據資源列表 337
附錄二 獲取更多幫助和信息 340
展開全部
PIE遙感云服務與實踐 節選
第1章 緒論 如何充分挖掘遙感大數據，全面快速地實現對地球空間信息的感知與認知，是地球科學領域共同面對的挑戰。遙感云平臺作為智能化綜合性數字信息基礎設施的一種形式，具有重要的戰略價值。隨著技術的發展，以及人類進一步認識地球的需求，遙感云計算平臺將得到更多的應用和發展，為更深入理解地學規律、實現人類社會可持續發展提供科學支撐（付東杰等，2021）。相比國外，目前中國的遙感云計算平臺尚處于起步階段，但中國國產衛星的使用將使中國遙感云計算平臺具有獨特優勢。 1.1 概述 近年來，隨著國家高分辨率對地觀測系統重大專項的實施，空間信息基礎設施的建設，國內外衛星商業化的發展，星座計劃、微衛星群的開啟，航空攝影技術革命，以及無人機的普及等均使遙感信息獲取能力大大增強，遙感數據資源得到極大豐富，其還對遙感數據的密集存儲、計算處理、服務方式與能力形成巨大挑戰。僅美國新一代對地觀測衛星EOS每日獲取的遙感數據量就達TB級，全球對地觀測數據已經達到EB級。從年度、季度、月度到每天、每小時的數據使應用領域得到拓展，如保險、農情、商業分析、應急救援等已成為可行的遙感應用領域，數據實時處理、密集計算、大數據分析能力要求大大提高，使用方式也發生改變（王晉年，2016）。與此同時，傳統遙感應用面臨著成本高、難度大、時效差、無保障的難題。使用桌面常規軟件工具難以在大時空范圍內進行獲取、管理和分析處理，現有的遙感影像分析和海量數據處理技術已難以滿足當前遙感大數據應用的要求。遙感云計算技術的發展和云計算平臺的出現為海量遙感數據處理和分析提供了前所未有的機遇，徹底改變了傳統遙感數據處理和分析的模式，極大地提高了運算效率，使得全球尺度、高分辨率、長時間序列的快速分析和應用成為可能，這些數據與計算結果可在遙感計算云平臺上進行共享，且能夠向多種應用場景開放。 目前，國際上主流的遙感計算云平臺以國外機構或公司開發的平臺為主，谷歌公司率先發布了谷歌地球引擎（Google Earth Engine，GEE）這一產品，打破了傳統行業的壁壘，使得人人都可以分析應用遙感影像。在當前領先的遙感云計算平臺的基礎上，推動我國自主研發遙感云平臺的建設，研發一套國產化自主可控的時空遙感云服務平臺，快速、自動地進行遙感大數據的處理和分析，完成遙感數據產品的智能信息服務，是我國遙感行業發展亟待解決的重要課題。在這樣的背景下，我們需要在大數據平臺、智能信息處理算法和主動服務模式等方面進行創新性研究，發展新的方法理論，構建共享數據、代碼和方法的開放平臺，讓區域用戶、行業用戶、政府用戶、企業用戶甚至大眾用戶輕松獲取各自所需的遙感信息與服務，以應對地球觀測數據獲取能力飛速增長對信息高效、快速服務的重大需求。 1.2 國內外遙感云平臺發展現狀 目前，國際上主要的遙感云計算平臺有GEE、笛卡兒實驗室（Descartes Labs）以及澳大利亞地理科學數據立方體（Australian Geoscience Data Cube，AGDC），其中GEE發展比較成熟，并得到廣泛應用。中國遙感云平臺的建設也在加速推進中，中國科學院先導專項“地球大數據科學工程”的地球大數據挖掘分析系統（EarthDataMiner）（Liu et al.，2020）、航天宏圖信息技術股份有限公司的時空遙感云服務平臺PIE-Engine均發展迅速，應用于越來越多的領域，服務于越來越多的用戶。 1.2.1 國外遙感云平臺進展 國外遙感云平臺主要有美國的GEE、Descartes Labs以及AGDC等。 1.GEE GEE是美國Google公司與卡耐基梅隆大學和美國地質調查局（USGS）共同研發并于2010年發布的一款免費的遙感云計算平臺，能夠對全球尺度地球科學資料進行在線可視化計算和分析處理。GEE使用Google核心基礎架構、數據分析和機器學習技術，可以讓用戶體驗高效、安全的云服務。該平臺集成了海量地理空間數據、可視化和分析計算能力，以及可調用的應用程序接口（Application Programming Interface，API）。依托Google公司全球百萬臺服務器，GEE能夠提供足夠的運算能力，對海量空間數據進行可視化分析和計算處理。2019年，GEE耦合了深度學習平臺TensorFlow，進一步提升了其計算分析能力。GEE不僅提供在線的JavaScript API，同時也提供離線的Python API，通過這些API快速建立基于GEE以及谷歌云的Web服務。此外，用戶在GEE上可以開發自己的算法、生產系統數據產品或部署由GEE資源支持的交互式應用程序，無須成為應用程序開發、Web編程或HTML方面的專家（董金瑋等，2020）。基于GEE JavaScript API的用戶交互編程界面如圖1-1所示。 截至2021年12月底，GEE平臺的地理空間數據量超過40 PB，包括影像數據、氣候和天氣數據、地球物理數據等超過600個公共數據集，其中影像數據包括全球尺度的陸地資源衛星Landsat系列、哨兵Sentinel系列、中分辨率成像光譜儀（MODIS），以及局部區域的高分辨率影像等；氣候和天氣數據包括表面溫度和發射率、長期氣候預測和地表變量的歷史插值、衛星觀測反演的大氣數據以及短時間預測和觀測的天氣數據；地球物理數據包括地形數據、土地覆被數據、農田分布數據、夜晚燈光觀測數據等。GEE用戶可以上傳自己的矢量數據（Shapefile或CSV格式）或柵格數據（GeoTIFF格式）到GEE用戶數據集存放地點Assets上，然后進行后續分析。GEE將PB級的地理空間數據集目錄與全球尺度分析功能結合，用于檢測變化、繪制趨勢并量化地球表面的差異。 GEE能夠對全球范圍內海量衛星圖像和其他地球觀測數據進行存取，并提供足夠的運算能力對這些數據進行處理，為遙感大數據分析提供支撐，將遙感應用發展推向大眾化。然而，美國政府于2020年1月在出口管制條例上增加了“專門用于自動分析地理空間圖像的軟件”（Bureau of Industry and Security，Commerce，2020），提高了從美國向除加拿大之外的國家出口這些軟件的限制，GEE可能會被限制使用。此外，GEE未接入風云、高分、資源等國產衛星數據，從而限制了國產衛星數據在GEE平臺上的應用（程偉等，2022）。 2.Descartes Labs Descartes Labs于2014年成立，其提供了一個PB級的地理空間數據集，現提供的數據源包括多光譜光學遙感影像、高分辨率光學遙感影像、大氣數據、地球同步衛星觀測數據、SAR數據、高程數據、水文數據、氣象數據、AIS數據、土地利用數據、內部數據等。Descartes Labs所有的標準化和互操作均通過一個公共接口進行，其提供Python版本的API以及類似GEE Exporler的Web界面，用于瀏覽數據目錄，實現數據可視化。和GEE不同的是，Descartes Labs主要是商用（董金瑋等，2020）。Descartes Labs平臺的三個組成部分如圖1-2所示。 Descartes Labs平臺包括以下三個部分。 1）數據精煉廠 提供PB級的可分析地理空間數據，能夠快速獲取、管理、校準任何內部或第三方數據源，并使用戶從中受益。 2）工作臺 基于云的數據科學環境，將Descartes Labs Platform API、可視化工具和樣本模型結合在托管的JupyterLab界面中。 3）應用程序 企業團隊可以比以往更快地構建應用程序，從而在多類橫向和縱向使用案例中提供寶貴意見并節省資金。 3.AGDC AGDC旨在解決影響地球觀測數據有效性的3V［數據量（Volume）、速度（Velocity）、多樣性（Variety）］方面，實現地球空間觀測數據倉儲的全部潛力，提供對大型時空數據進行訪問和處理的功能（董金瑋等，2020）。AGDC框架結構如圖1-3所示。 AGDC的基礎和核心組件包括以下三個部分。 1）數據準備 提供對地球觀測數據的幾何和輻射校正，生產支持時間序列分析的標準化地表反射率數據，跟蹤每個數據立方體出處的收集管理系統，制定并規范化后處理決策等。 2）軟件環境 提供開放數據立方體（Open Data Cube，ODC）生態系統地理空間數據管理和分析軟件，根據用戶應用程序，ODC可以靈活部署在高性能計算云和本地，并可安裝在Linux、MacOS、Windows系統上。 3）硬件環境 澳大利亞國家計算基礎設施（NCI）提供支持性高性能計算環境，也提供諸如森林砍伐、水質監測、非法采礦等知情決策服務。 1.2.2 國內遙感云平臺進展 國內遙感云平臺主要有：地球大數據挖掘分析系統（EarthDataMiner）、四維地球、PIE-Engine（Pixel Information Expert Engine，像素專家引擎）時空遙感云服務平臺等。這些遙感云平臺以可視化和數據服務為主，而遙感行業需要集數據、算力、技術、協作于一體的新型遙感云服務平臺。 1.地球大數據挖掘分析系統（EarthDataMiner） 中國科學院軟件研究所2021年發布了地球大數據挖掘分析系統（EarthDataMiner）。該系統提供長時序的多源對地觀測數據集，包括中國遙感衛星地面站自1986年建設以來20萬景（每景12種產品，共計240萬個產品）的長時序陸地衛星數據產品；基于高分一號和二號衛星、資源三號衛星等國產高分辨率遙感衛星數據制作的2m分辨率時序動態變化全國一張圖；利用高分衛星、陸地衛星等國內外衛星數據制作的30m分辨率時序動態變化全球一張圖；重點區域的亞米級產品集等。EarthDataMiner V1.0的共享數據總量約5PB，其中對地觀測數據1.8PB，生物生態數據2.6PB，大氣海洋數據0.4PB，基礎地理數據及地面觀測數據0.2PB，另外還包括地層學與古生物數據庫數據記錄49萬條、中國生物物種名錄記錄360萬條、微生物資源數據庫數據記錄42萬條、目前在線的組學數據記錄10億條。EarthDataMiner界面如圖1-4所示。 EarthDataMiner提供包含資源、環境、生物、生態等多領域的挖掘分析工具系統和云服務，引入人工智能算法，利用跨領域模型與算法共享機制（包括基礎算法和共享算法），提升多領域綜合分析模型的創新設計質量和效率。其核心功能包括： （1）Web版Python代碼開發環境，地圖和圖表可視化； （2）挖掘分析模型與算法庫管理，集成通用科學計算、機器學習和數據挖掘算法，以及遙感圖像地物識別等領域算法； （3）基于容器云環境與大數據引擎，實現高效分布式執行遙感應用處理函數。 2.四維地球 中國資源衛星應用中心2019年發布了基于“海陸空天”海量多源數據的時空信息智能服務平臺——“四維地球”，綜合運用大數據、云計算、人工智能、5G等技術，實現對海量遙感數據的云端處理和快速分發、按需使用和瀏覽共享。四維地球上的衛星數據與數據服務包括：全分辨率影像在線服務、日新圖影像產品、鑲嵌圖影像產品、地物分類產品、目標檢測產品、變化檢測產品、開放應用產品等。“四維地球”平臺界面如圖1-5所示。 “四維地球”為用戶提供面向互聯網、移動互聯網的海量、高品質、低成本的遙感影像數據在線應用能力，旨在構建時空信息產業云系統，推動應用創新發展。該平臺可用于變化檢測、審計、執法督察、應急救災等多種場景。 3.PIE-Engine時空遙感云服務平臺 航天宏圖信息技術股份有限公司于2020年自主研發了開放式時空遙感云服務平臺PIE-Engine。該平臺是一套基于云計算、物聯網、大數據和人工智能等技術研發的，具備時空大數據接入、存儲、管理、處理、計算、信息提取、知識挖掘、共享發布、開放應用到算法集成編排、二次開發的全流程一體化遙感應用服務平臺。平臺不斷匯集和豐富多源地理時空數據，將數據及其處理和可視化技術轉為對外開放的服務，聚合形成面向不同需求層次的能力，支撐業務應用的實施與運營。平臺為用戶提供“云+端”、“平臺+SaaS”應用模式，充分發揮高效能、低門檻、低成本、易獲取等優勢，挖掘海量遙感數據價值，助力遙感應用產業化發展。PIE-Engine總體功能組成如圖1-6所示。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
上帝之肋:男人的真實旅程
- >
月亮虎
- >
經典常談
- >
名家帶你讀魯迅:故事新編
- >
自卑與超越
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進士錄
本類暢銷
