CN105956375A - 一种基于领域本体的遥感对地观测需求模型建立方法 - Google Patents

Abstract

本发明公开了一种基于领域本体的遥感对地观测需求模型建立方法，致力于实现遥感对地观测需求的规范化表达，包括步骤：收集原始行业部门描述性的需求信息，并对信息进行语法形式上的初步整理；根据行业部门经验支持对整理后的需求信息进行语义上的初步检查；取检查合格的一部分信息用于建模；对用于建模的需求信息进行语义分析，从中挖掘出需求描述要素；依赖遥感专业知识库对需求描述要素进行整合；判定需求描述要素的必要程度，剔除必要程度小于一定阈值的要素；对剔除后的要素进行类别整合，从中提炼出需求核心要素；定义需求核心要素的属性和属性约束；对模型进行有效性检查。

Description

一种基于领域本体的遥感对地观测需求模型建立方法

技术领域

本发明属于遥感对地观测技术领域，具体涉及一种基于领域本体的遥感对地观测需求模型建立方法。

背景技术

在对地观测卫星发展初期，卫星数量少，需求简单，针对单一卫星的发展和方案论证，经过管理决策层、卫星用户和战略规划设计人员三者之间的反复讨论和协调，基本可以满足卫星顶层设计和任务规划的要求。然而，随着近年我国对地观测技术的迅猛发展，遥感对地观测呈现出“用户激增”和“需求复杂化”的趋势，我国遥感对地观测需求也面临如下重要转变：(1)由单一部门使用需求转向以“主用户”为主的多用户共同使用的需求；(2)由对单一卫星的使用需求转变为对多颗卫星综合利用的需求。与之对应，卫星的顶层设计和任务规划也不再仅仅涉及单一部门中的管理决策层、卫星用户和战略规划设计人员，而是呈现出跨部门、跨行业的趋势。

实际上，由于各部门的对地观测需求具有鲜明的行业背景特点，行业人员也具有相异的行业背景知识，使得现有的遥感对地观测需求在表达方式与层次上存在着巨大差异，这将大大增加跨部门、跨行业交流的难度，直接影响卫星的顶层设计和任务规划。因而，在当前形势下，如何实现遥感对地观测需求的规范化表达、建立一个完整有效的遥感对地观测需求模型，已成为遥感对地观测领域亟待解决的问题。

为实现需求的规范化表达，郭玉华[文献1]等综合考虑了卫星载荷使用约束和观测需求特点，指出需求具有位置要求、时效性要求、谱段要求、模式组合要求、协同观测要求等。徐雪仁[文献2]等则指出用户需求因子包括对地观测模式需求、所需图像谱段需求、时间需求、目标位置需求等。但是，这些研究都仅仅是对遥感对地观测需求的特点进行了归纳，并没有给出行之有效的建模方法和建模结果。

事实上，对遥感对地观测需求进行建模同时也是进行需求综合/融合、多星任务规划中的卫星调度模型优化等工作的前提要求。为实现需求融合的目的，冷猛[文献3]提出用一个四元组来形式化描述对地观测需求，具体为需求的目标空域覆盖要求、时域覆盖要求、频域覆盖要求、和分辨率要求。呙维[文献4]等则提出了一种基于需求特征关联的遥感影像需求融合方法，将原始遥感影像需求表述为一张二维表，一条记录代表一条需求。然而，现实中的需求往往是复杂多样的，四元组的描述方式过于强调通用性，缺乏需求描述的具体细节；二维表的描述方式层次较为单一，不能满足现实中对于多层次需求描述的要求。

综上所述，在遥感对地观测需求建模领域，至今尚未提出一种完整有效的遥感对地观测需求建模方法，现有研究或者没有实现建模，仅仅对需求的特点进行分析；或者建立了概述性模型，但模型无法指导实际操作。为此，本发明提出一种基于领域本体的遥感对地观测需求模型建立方法。

关于本体(ontology)的定义，目前公认的是Studer于1998年提出的“共享概念模型的明确的形式化规范说明”。通俗来讲，本体是一种描述术语(包含哪些词汇)及术语间关系的概念模型。领域本体(Domain ontology)属于本体的一种，是用于描述领域知识的一种专门本体。其目标[文献5]是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇(术语)和词汇之间相互关系的明确定义。

基于领域本体的遥感对地观测需求模型建立方法具有以下优势：

(1)有足够多的遥感对地观测行业需求信息作为支撑，建立起的模型能够适应跨部门、跨行业的应用趋势；

(2)建模时考虑足够多的需求因子，避免了因需求因子不足而导致的需求间可区分性较差、难以准确定义不太常见的需求等问题；

(3)建模过程中充分考虑模型的层次结构，避免了需求数目过大时模型杂乱的问题，为以后模型应用于需求综合/融合、多星任务规划中的卫星调度模型优化等工作打好了基础。

[文献1].郭玉华.多类型对地观测卫星联合任务规划关键技术研究[D].国防科学技术大学,2009.

[文献2].徐雪仁,李湘,靳峰.遥感卫星综合任务规划模式探索[Z].2006.

[文献3].冷猛.卫星对地观测需求分析方法及其应用研究[D].国防科学技术大学,2011.

[文献4].武汉大学.一种基于需求特征关联的遥感影像需求融合方法:中国,CN103020252B[P].2015-09-02.

[文献5].廖军.基于领域本体的信息检索研究[D].长沙：中南大学，2007.

发明内容

本发明旨在提供一种基于领域本体的遥感对地观测需求模型建立方法，以建立完整有效的层次化遥感对地观测需求模型，从而实现规范化表达对地观测需求、有效推动卫星顶层设计和任务规划的目的。

本发明所采用的技术方案是：一种基于领域本体的遥感对地观测需求模型建立方法，其特征在于，包括以下步骤：

步骤1：收集原始行业部门描述性的需求信息，对信息进行语法形式上的初步整理；

步骤2：根据行业部门经验支持对整理后的需求信息进行语义上的初步检查，对不完整的信息予以补充，对不准确的信息予以修改，对不规范的信息予以剔除，整理检查后的信息；

步骤3：针对语义初步检查后的需求信息，取其中的一部分用于后续建模操作，另外一部分用于模型建立后的有效性检查；

步骤4：对用于建模的需求信息进行语义分析，从中挖掘出需求描述要素，并对挖掘出的要素进行统计；

步骤5：依赖遥感专业知识库对统计后的需求描述要素进行整合，合并表述不同但实质相同的要素，累加用于合并的两个要素的使用次数作为合并后的要素的使用次数；

步骤6：判定需求描述要素的必要程度，剔除必要程度小于一定阈值的要素；

步骤7：对剔除后的要素进行类别整合，采用“自底向上”的策略完成整合过程，从整合结果中提炼需求核心要素；

步骤8：定义需求核心要素的属性和属性约束，完成模型的初步构建；

步骤9：取步骤3中选取的需求信息进行模型有效性检查；

若检查不合格，将对应需求加入建模需求中，重新执行步骤4-步骤8；

若检查合格，模型构建完毕。

作为优选，步骤1中所述对信息进行语法形式上的初步整理，是采用统一的语法结构来表述需求；所述统一的语法结构为：XXX部门于XXX时间在XXX区域观测XXX，其具体要求为XXX。

作为优选，步骤2中所述信息完整性的评判标准是信息足够描述对应需求，所述信息准确性的评判标准是信息不存在语义上表述不明之处，所述信息规范性的评判标准是表达方式和内容上符合行业部门经验。

作为优选，步骤3中，在每个类别中随机取90％的需求信息，合并取出需求信息用于后续建模，剩余的需求信息用于模型建立后的有效性检查。

作为优选，步骤4中所述需求描述要素是能完整描述一条需求的元素集合，并对挖掘出的要素统计其使用次数。

作为优选，步骤6中所述需求描述要素的必要程度L为：

$L=\frac{n_0}{n}$

其中，n₀为需求描述要素的使用次数，n为建模使用的需求信息的总数目，判定阈值取值0.05。

作为优选，步骤7中所述采用“自底向上”的策略对剔除后的要素进行类别整合，其具体实现过程包括以下子步骤：

步骤1：对剔除后的要素进行聚类，以在进行需求描述时是否具有相似性作为聚类标准；其中相似性判断依据为：①是否描述同一事物，如均为描述观测区域；②在遥感领域是否具有相关性，如光学分辨率上/下限与光学谱段名称两个要素在遥感领域常常伴随出现，具有很大的相关性；

步骤2：判断聚类结果得到的类别数目是否小于给定阈值5，如果类别数目大于该阈值则继续进行聚类直至最终类别数目小于给定阈值。

作为优选，步骤7中所述需求核心要素包括需求基本信息、需求应用信息、需求观测手段信息、需求观测区域信息。

作为优选，步骤8中所述需求核心要素的属性即指标的数据类型，分为“文本型”、“数字型”和“枚举型”三类；所述需求核心要素的属性约束即指标取值的合理性检验规则，根据指标类型进行区分；所述文本型指标的合理性检验规则为最大存储长度检验；所述数字型指标，在给定每个数字型指标的含义、单位的前提下，合理性检验规则包括数据类型检验、合理取值范围检验；所述枚举型指标，将根据枚举型指标的含义，建立起枚举型指标取值结果与数字型指标之间的约束关系，将其作为约束规则，判断枚举型指标选择结果与前述时间、空间、光谱等数据指标值之间是否存在矛盾。

作为优选，步骤9的具体实现过程是，首先逐条输入步骤3中选取的用于模型有效性检查的需求信息，针对每条需求信息，检测模型是否可以实现准确描述；记下不能实现准确描述的需求信息的数目m₀；计算有效度ρ：

$\mathrm{\ρ}=1-\frac{m_0}{m}$

其中，m为参与模型有效性检查的需求信息的数目，当ρ>0.95时认为模型有效性检查合格；如果检查结果不合格，将对应需求加入建模需求中，重新执行步骤4-步骤8。

本发明能够实现对地观测需求的规范化表达；促进管理决策层、卫星用户和战略规划设计人员之间的跨部门、跨行业交流与合作；有效推动卫星的顶层设计和任务规划。

附图说明

图1是本发明实施例的流程图；

图2是本发明实施例中对需求信息进行分类时采用的分类结构图；

图3是本发明实施例中以观测要素类别为例的需求描述要素整合过程示意图；

图4是本发明实施例建立的遥感对地观测需求模型；

图5是本发明实施例建立的遥感对地观测需求模型中需求观测手段信息模型。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1，本发明提供的一种基于领域本体的遥感对地观测需求模型建立方法，包括以下步骤：

步骤1，收集原始行业部门描述性的需求信息，对信息进行语法形式上的初步整理。

需求是针对应用目的而提出的，遥感对地观测行业需求同样如此，故而收集的原始需求信息往往采用描述应用目的的方式来表述。然而现实中由于各部门的行业背景不同，采取的描述方式不同，使得收集的原始需求信息显得非常杂乱，不便于后续工作的展开。为使杂乱的原始需求信息变得清晰，对信息进行语法形式上的整理，采用统一的语法结构来表述需求。本发明中采取的语法结构为：XXX部门于XXX时间在XXX区域观测XXX，其具体要求为XXX。

例如，现有原始需求信息如下(篇幅限制，不展示所有需求信息)：

需求一：河南省气象局需要对全省主要作物(冬小麦和夏玉米)长势及土壤墒情进行卫星遥感监测，监测结果以旬报方式公开，目前初步拟定使用MODIS卫星250m分辨率数据，以归一化植被指数NDVI作为作物长势指标；

需求二：地震发生后，国土资源部要求应急安排资源一号02C卫星、资源三号卫星、实践九号卫星以及尖兵系列卫星等国产高分辨率卫星开展震后遥感数据编程拍摄，获取震后震区72小时遥感影像；

需求三：武汉市湖泊管理局需要获取全市“占湖填湖”情况信息，拟定采用卫星遥感技术巡湖，通过获取每年5月至8月内途经武汉市上空的WorldView卫星0.5米全色影像和国内资源三号2米全色影像，制成遥感卫片图，然后叠加湖泊“蓝线”，通过人工比对方式获取湖泊蓝线内外50米范围内疑似占湖填湖的图斑。

需求四：国家测绘局希望利用遥感影像辅助完成某地区1:5万地形图测制工作，拟采用空间分辨率为0.5-10m的全色遥感影像，每10天或每月更新一次测制结果。

需求五：国家海洋局需要对全球海洋风场进行监测，拟设计微波散射计搭载在卫星上，要求卫星能够每天覆盖全球90％以上的海域，其中，微波散射计技术指标如下：工作频率13.256GHz；极化方式为HH和VV；风速测量精度为2m/s；风速测量范围为2～24m/s；风向测量精度为20度。

……

上述需求信息经过语法形式上的整理后结果请见下表1；

表1语法形式整理后的需求信息

步骤2，根据行业部门经验支持对整理后的需求信息进行语义上的初步检查，对不完整的信息予以补充，对不符合规范的信息予以修改，对不合格的信息予以剔除，整理检查后的信息。

在收集原始需求信息的过程中信息的提供者可能并非专业人员，因而收集到的需求信息可能不完整或是表述不准确，需要对经过语法形式整理的需求信息进行语义上的初步检查，语义检查主要依靠行业部门经验进行，分为以下几种：

(1)信息完整性检查

基于行业部门经验检查现有信息是否足够描述对应需求，如需求1，在需求的细节信息中指出使用NDVI作为长势监测的指标，却没有指出土壤墒情监测的指标，不符合信息完整性检查，需要对信息进行补充；

(2)信息准确性检查

基于行业部门经验检查现有信息是否存在语义上表述不明之处，如需求3，需求的时间要求为每年5月至8月，没有指出具体年份，属于表述不明，不符合信息准确性检查，对其进行修改；

(3)信息规范性检查

检查现有信息在表达方式和内容上是否符合行业部门经验，如需求4，在需求的细节信息中指出使用空间分辨率为0.5-10m的全色遥感影像，然而根据经验，分辨率为3-5m的全色遥感影像即可满足需求，进一步可以表述为：全色影像空间分辨率下限：5m空间分辨率上限：3m。

表1中的需求信息经过语义上的初步检查，整理之后的结果请见下表2；

表2语义初步检查后整理的需求信息

步骤3，针对语义初步检查后的需求信息，取其中的一部分用于后续建模操作，另外一部分用于模型建立后的有效性检查。

为保证建立的模型能够覆盖足够的对地观测行业，将进行语义初步检查后的需求信息首先按照行业进行分类，然后按照应用目的再次细分，分类结构图如图2所示。在每个类别中随机取90％的需求信息，合并取出的需求信息用于后续建模，剩余的需求信息用于模型建立后的有效性检查。分类过程中涉及的行业类别包括：国土资源、测绘、农业、林业、减灾、水利、环境保护、海洋、气象、城市。

步骤4，对用于建模的需求信息进行语义分析，从中挖掘出需求描述要素，并对挖掘出的要素进行统计。

将可以完整描述一条需求的元素的集合称为该条需求的需求描述要素。针对用于建模的每条需求，提取需求描述要素；提取工作结束后针对每个需求描述要素，统计其使用次数。假定表2中的6条需求全部被选中用于建模，由此挖掘出的需求描述要素为：

需求1：需求的提交人需求的时期限制时间分辨率目标区域(最大经度最大纬度最小经度最小纬度)农作物长势监测MODIS卫星第1、2波段空间分辨率NDVI普查；

需求2：需求的提交人需求的时期限制时间分辨率目标区域(最大经度最大纬度最小经度最小纬度)土地墒情监测MODIS卫星第1、2、31、32波段空间分辨率VSWI普查；

需求3：需求的提交人需求的时期限制目标区域(最大经度最大纬度最小经度最小纬度)获取全色及多光谱影像空间分辨率下限空间分辨率上限应急调查；

需求4：需求的提交人需求的时期限制时间分辨率目标区域(最大经度最大纬度最小经度最小纬度)“占湖填湖”图斑提取全色影像空间分辨率下限空间分辨率上限详查；

需求5：需求的提交人需求的时期限制时间分辨率下限时间分辨率上限目标区域(最大经度最大纬度最小经度最小纬度)无图区1:5万地形图测制全色影像空间分辨率下限空间分辨率上限；

需求6：需求的提交人需求的时期限制时间分辨率目标区域(最大经度最大纬度最小经度最小纬度)海洋风场监测微波散射计工作频率极化方式为风速测量精度风速测量范围风向测量精度；

……

需求描述要素使用次数的统计过程在此不再展示。

步骤5，依赖遥感专业知识库对统计后的需求描述要素进行整合，合并表述不同但实质相同的要素，累加用于合并的两个要素的使用次数作为合并后的要素的使用次数。

由于行业背景差异，提取出的需求描述要素难免出现同一概念表述不同的现象，故而需要对现有的需求描述要素进行判别，依据遥感专业知识库合并仅仅在表述上不同的需求描述要素，并将使用次数累加作为合并后的要素的使用次数。例如步骤4中提炼出的“农作物长势监测”、“土地墒情监测”、“获取全色及多光谱影像”、“‘占湖填湖’图斑提取”…在本质上都是在描述需求的应用，统一为“业务名称”；“时间分辨率”这一需求描述要素本质上与“时间分辨率下限和时间分辨率上限”相同，可以用后者代替前者；“MODIS卫星第1、2波段”与“MODIS卫星红波段和近红外波段”属于同一要素的不同表述，可以合并。

步骤6，判定需求描述要素的必要程度，剔除必要程度小于一定阈值的要素。

在收集原始需求信息时可能收录一些过于冷僻的需求信息，由此提炼出的需求描述要素的使用次数也将非常少，如果在建模时将这部分需求描述要素考虑在内，则在一定程度上过于顾及模型的“个性”而忽视了模型的“通用性”，即从模型建立的角度来看，这些需求描述要素并非是十分“必要”的，是可以剔除的。故而使用“需求描述要素的必要程度”这一指标来衡量某一需求描述要素是否可以被剔除。需求描述要素的必要程度L具体为：

$L=\frac{n_0}{n}$

其中，n₀为需求描述要素的使用次数，n为建模使用的需求信息的总数目。判定阈值取值0.05，剔除所有小于该阈值的需求描述要素。

步骤7，采用“自底向上”的策略对剔除后的要素进行类别整合，采用“自底向上”的策略完成整合过程，从整合的结果中提炼需求核心要素。

将可以描述任一需求的元素的集合称为需求核心要素，将步骤6中剔除后的需求描述要素按照“自底向上”的策略进行合并，合并的结果元素即为提炼出的需求核心要素。本发明提炼的需求核心要素为：需求基本信息、需求应用信息、需求观测手段信息、需求观测区域信息。图3展示了以观测要素类别为例的需求描述要素的整合过程，其具体实现过程包括以下子步骤：

步骤1：对剔除后的要素进行聚类，以在进行需求描述时是否具有相似性作为聚类标准；其中相似性判断依据为：①是否描述同一事物，如均为描述观测区域；②在遥感领域是否具有相关性，如光学分辨率上/下限与光学谱段名称两个要素在遥感领域常常伴随出现，具有很大的相关性；

步骤2：判断聚类结果得到的类别数目是否小于给定阈值5，如果类别数目大于该阈值则继续进行聚类直至最终类别数目小于给定阈值。

步骤8，定义需求核心要素的属性和属性约束，完成模型的初步构建。

步骤7提炼的需求核心要素为：需求基本信息、需求应用信息、需求观测手段信息、需求观测区域信息。需求核心要素的属性即指标的数据类型，分为“文本型”、“数字型”和“枚举型”三类，具体为：

表3需求核心要素指标的数据类型

需求核心要素的属性约束即指标取值的合理性检验规则，根据指标类型进行区分。

对于文本型指标，只设定一个合理性检验规则----最大存储长度检验。

对于数字型指标，在给定每个数字型指标的含义、单位的前提下，设定两个合理性检验规则----数据类型检验、合理取值范围检验。

对于枚举型指标，将根据枚举型指标的含义，建立起枚举型指标取值结果与数字型指标(如时间、空间、光谱等数据指标要求)之间的约束关系，将其作为约束规则，判断枚举型指标选择结果与前述时间、空间、光谱等数据指标值之间是否存在矛盾。

最终建立的模型如图4所示，模型中需求观测手段信息模型如图5所示。

步骤9，取步骤3中选取的需求信息进行模型有效性检查，如若检查不合格，将对应需求加入建模需求中，重新执行步骤4-8；如若检查合格，模型构建完毕。

首先逐条输入步骤3中选取的用于模型有效性检查的需求信息，针对每条需求信息，检测模型是否可以实现规范化准确描述；记下不能实现规范化准确描述的需求信息的数目m₀；计算有效度ρ：

$\mathrm{\ρ}=1-\frac{m_0}{m}$

其中，m为参与模型有效性检查的需求信息的数目，当ρ＞0.95时认为模型有效性检查合格。如果检查结果不合格，将对应需求加入建模需求中，重新执行步骤4-8。

上述步骤中，步骤1-3为建模的准备工作；步骤4-5对应领域本体中“列举领域本体中的重要术语”步骤；步骤6-7对应领域本体中“定义类和类的等级体系”步骤；步骤8对应领域本体中“定义类的属性和属性分面”步骤；步骤9为模型初步构建后的有效性检查，是建模的必备步骤，只有通过有效性检查的模型才能称得上是构建成功。从以上表述可以看出，整个建模过程参考了领域本体的相关理论知识，故而本发明为基于领域本体的遥感对地观测需求模型建立方法。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (10)

1.一种基于领域本体的遥感对地观测需求模型建立方法，其特征在于，包括以下步骤：

步骤1：收集原始行业部门描述性的需求信息，对信息进行语法形式上的初步整理；

步骤2：根据行业部门经验支持对整理后的需求信息进行语义上的初步检查，对不完整的信息予以补充，对不准确的信息予以修改，对不规范的信息予以剔除，整理检查后的信息；

步骤3：针对语义初步检查后的需求信息，取其中的一部分用于后续建模操作，另外一部分用于模型建立后的有效性检查；

步骤4：对用于建模的需求信息进行语义分析，从中挖掘出需求描述要素，并对挖掘出的要素进行统计；

步骤5：依赖遥感专业知识库对统计后的需求描述要素进行整合，合并表述不同但实质相同的要素，累加用于合并的两个要素的使用次数作为合并后的要素的使用次数；

步骤6：判定需求描述要素的必要程度，剔除必要程度小于一定阈值的要素；

步骤7：对剔除后的要素进行类别整合，采用“自底向上”的策略完成整合过程，从整合结果中提炼需求核心要素；

步骤8：定义需求核心要素的属性和属性约束，完成模型的初步构建；

步骤9：取步骤3中选取的需求信息进行模型有效性检查；

若检查不合格，将对应需求加入建模需求中，重新执行步骤4-步骤8；

若检查合格，模型构建完毕。

2.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于：步骤1中所述对信息进行语法形式上的初步整理，是采用统一的语法结构来表述需求；所述统一的语法结构为：XXX部门于XXX时间在XXX区域观测XXX，其具体要求为XXX。

3.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于：步骤2中所述信息完整性的评判标准是信息足够描述对应需求，所述信息准确性的评判标准是信息不存在语义上表述不明之处，所述信息规范性的评判标准是表达方式和内容上符合行业部门经验。

4.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于：步骤3中，在每个类别中随机取90％的需求信息，合并取出需求信息用于后续建模，剩余的需求信息用于模型建立后的有效性检查。

5.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于：步骤4中所述需求描述要素是能完整描述一条需求的元素集合，并对挖掘出的要素统计其使用次数。

6.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于，步骤6中所述需求描述要素的必要程度L为：

$L=\frac{n_0}{n}$

其中，n₀为需求描述要素的使用次数，n为建模使用的需求信息的总数目，判定阈值取值0.05。

7.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于，步骤7中所述采用“自底向上”的策略对剔除后的要素进行类别整合，其具体实现过程包括以下子步骤：

步骤1：对剔除后的要素进行聚类，以在进行需求描述时是否具有相似性作为聚类标准，其中相似性判断依据为：是否描述同一事物，在遥感领域是否具有相关性；

步骤2：判断聚类结果得到的类别数目是否小于给定阈值5，如果类别数目大于该阈值则继续进行聚类直至最终类别数目小于给定阈值。

8.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于，步骤7中所述需求核心要素包括需求基本信息、需求应用信息、需求观测手段信息、需求观测区域信息。

9.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于，步骤8中所述需求核心要素的属性即指标的数据类型，分为“文本型”、“数字型”和“枚举型”三类；所述需求核心要素的属性约束即指标取值的合理性检验规则，根据指标类型进行区分；所述文本型指标的合理性检验规则为最大存储长度检验；所述数字型指标，在给定每个数字型指标的含义、单位的前提下，合理性检验规则包括数据类型检验、合理取值范围检验；所述枚举型指标，将根据枚举型指标的含义，建立起枚举型指标取值结果与数字型指标之间的约束关系，将其作为约束规则，判断枚举型指标选择结果与前述时间、空间、光谱等数据指标值之间是否存在矛盾。

10.根据权利要求1所述的基于领域本体的遥感对地观测需求模型建立方法，其特征在于：步骤9的具体实现过程是，首先逐条输入步骤3中选取的用于模型有效性检查的需求信息，针对每条需求信息，检测模型是否可以实现准确描述；记下不能实现准确描述的需求信息的数目m₀；计算有效度ρ：

$\mathrm{\ρ}=1-\frac{m_0}{m}$

其中，m为参与模型有效性检查的需求信息的数目，当ρ＞0.95时认为模型有效性检查合格；如果检查结果不合格，将对应需求加入建模需求中，重新执行步骤4-步骤8。