CN110532340B - 空间信息时空元数据构建方法 - Google Patents

空间信息时空元数据构建方法 Download PDF

Info

Publication number
CN110532340B
CN110532340B CN201910826627.5A CN201910826627A CN110532340B CN 110532340 B CN110532340 B CN 110532340B CN 201910826627 A CN201910826627 A CN 201910826627A CN 110532340 B CN110532340 B CN 110532340B
Authority
CN
China
Prior art keywords
space
time
data
temporal
spatio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201910826627.5A
Other languages
English (en)
Other versions
CN110532340A (zh
Inventor
张雷
张春霞
杜德慧
刘彪
田波
袁庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN201910826627.5A priority Critical patent/CN110532340B/zh
Publication of CN110532340A publication Critical patent/CN110532340A/zh
Application granted granted Critical
Publication of CN110532340B publication Critical patent/CN110532340B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开空间信息时空元数据构建方法，包括以下步骤：数据收集、构建多个时空系统、构建数据结构形式、构成时空数据集、时空数据表示、构建统一的时空元数据表达式和构建时空元数据的数据相关性；本发明针对时空系统及其大数据中的各类数据集，富含空间、时相、光谱及其拓扑与映射关系，构建统一的时空元数据表达式，对时空大数据融合、高可信建模与应用模式进行分析、设计与研究，拓展以时空动态特征为基础数据资源的高可信建模及其验证研究方向，形成和完善高可信时空元数据，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。

Description

空间信息时空元数据构建方法
技术领域
本发明涉及数据构建方法领域，尤其涉及空间信息时空元数据构建方法。
背景技术
近年来，物联网、云计算、智慧城市、大数据和人工智能等技术与应用不断涌现，所产生的数据迫切需要精准分析与处理，同时，全球导航卫星系统、遥感卫星等不断成功发射，产生的时空大数据更加需要提升其融合模型的普适性与应用质量，把地球观测所产生的时空数据，再与公众媒体数据(例如城市摄像头、社交媒体、个人活动等) 进行有效时空融合、高可信建模、大数据精化与面向领域的规模应用，已成为空间信息技术领域和大数据应用领域的共同热点，尤其是中国北斗卫星导航定位系统(GNSS)的全球组网、中国遥感卫星(RS)、地理信息技术(GIS)和智慧城市综合技术的日新月异，时空大数据得以更加丰富，也呈现出高空间分辨率、高时间分辨率、高光谱分辨率、高精准时空标识与多维属性等，时空大数据所反映现实世界的多元性和复杂性以及时空数据的海量、异构、动态等特点，数据涵盖的几何、光谱、行为，以及语义关联等，对其进行建模、描述、评估与验证等多层次可视分析，成为感知、认知与控制客观世界数据形态的重要途径。
近几年，时空数据结构复杂且来源多样，整合、清洗和转换不同来源的时空数据对于时空大数据技术处理及其应用研究至关重要，现有的时空数据主要来源于GPS、遥感和传感器等设备，每种设备生成的数据格式和数据形式各不相同，时空数据也不再局限于传统的数据形式，尤其是互联网的蓬勃发展,在文字、音频和视频等多媒体数据中同样包含了丰富的时空数据，时空大数据的规模性主要体现在源自于GNSS与RS等的海量性和复杂特征的高维性两个方面，时空大数据的复杂性是其表征数字地球的多数据源性、多模态性、混杂性以及多数据输出源本身的结构复杂性，时空大数据的大规模性、复杂性对时空大数据挖掘的可计算、复杂问题求解、挖掘结果的理解与应用提出了巨大挑战，因此，本发明提出空间信息时空元数据构建方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明提出空间信息时空元数据构建方法，针对时空系统及其大数据中的各类数据集，富含空间、时相、光谱及其拓扑与映射关系，构建统一的时空元数据表达式，对时空大数据融合、高可信建模与应用模式进行分析、设计与研究，拓展以时空动态特征为基础数据资源的高可信建模及其验证研究方向，形成和完善高可信时空元数据，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。
为了解决上述问题，本发明提出空间信息时空元数据构建方法，包括以下步骤：
步骤一：数据收集
从全球导航卫星系统GNSS、天地一体化遥感RS、三维地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，在地理信息系统中，把时空数据定义为基于统一时空基准、与位置直接或间接相关联的地理要素(或现象) 的自然、人文和社会信息的数据等，构成时空事件；
步骤二：构建多个时空系统
对步骤一中时空事件进行数据组织，利用常规关键字索引、副关键字索引和空间索引，引发时空大数据，然后对时空大数据进行系统估计，构建多个时空系统；
步骤三：构建数据结构形式
将多个时空系统进行融合，构建时空元数据的数据结构形式，即
Figure GDA0003344510620000031
进一步考察第i个子系统，在时空基准统一的情况下对带有时间标识的n个状态向量，则第j维时空大数据表达成： STij＝{xij(t1)；xij(t2)；…；xij(tn)}；
步骤四：构成时空数据集
将步骤三中融合后的时空大数据序列以GNSS接收系统的秒脉冲信号为统一基准，在可信建模中将来自各个子系统的数据进行时间戳配准，将时间戳标识配准下的时空数据构成向量Ti＝[t1；t2；…；tn]，设时空数据融合时间tM，且tM∈Ti，则第i个时空子系统第j维时空数据在tM时刻的状态向量估计结果为
Figure GDA0003344510620000032
对应的协方差矩阵 PM(tM)，最终构成时空数据集；
步骤五：时空数据表示
在步骤五中的时空数据集中，将利用GNSS接收机得到空间位置和观测时间信息，表示为：
Figure GDA0003344510620000041
其中，
Figure GDA0003344510620000042
分别表示GNSS接收机所处空间位置的经维度坐标和高程值；(tp,π)分别表示GNSS接收机的观测时间和其它参数；将利用遥感设备实现对地观测，所获得的地物波谱信息表示为：RSinfo＝ f(x,y,z,λ,tR)，其中，(x,y)为空间位置参数；(z)为对应于(x,y) 的观测值(与空间分辨率有关)；(λ)为所使用的电磁波段(与光谱分辨率有关)；(tR)为对地同一目标物的重复观测周期(时间分辨率)；对于GIS所得信息，表示为：GISinfo＝{i,j,T(A),tG}，其中，(i,j) 为系统所采用的空间位置坐标；T(A)为系统坐标(i,j)所对应的空间特征与相应属性；(tG)为系统信息的时间特征，对于来自于物联网和社交媒体的人文与社会数据，表示为：Moreinfo＝ {C(α,β,τ),S(γ,ψ,ω),t,π}，其中，C(α,β,τ)为人文属性的参数及其信息集合，S(γ,ψ,ω)为社会属性参数及其信息集合，t 为信息采集时间标识，π为其他多源数据；
步骤六：构建统一的时空元数据表达式
统一描述步骤五中信息载体的空间关系
Figure GDA0003344510620000043
时间关系 T(tp,tG)、光谱特征Λ(λ)、人文属性C(α,β,τ)、社会属性 S(γ,ψ,ω)和其他数据π，构建统一的时空元数据表达式：
Figure GDA0003344510620000044
步骤七：构建时空元数据的数据相关性
分析步骤六中时空元数据的属性重要性、属性不确定性、属性表一致性和属性可靠性，构建时空元数据的数据相关性，评估数据结构中的绝对不确定性和相对不确定性，由时空数据产生决策算法，得到时空数据中的范式及逻辑关系，生成最小决策和分类算法。
进一步改进在于：所述步骤一中，所收集数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，其中，来自于物联网和社交媒体等形成的文字、音频与视频等数据类型，在时间戳为表达方式上具有线性关系。
进一步改进在于：所述步骤二中，根据时空观测、事件相应和时空特征来对时空大数据进行系统估计，构建多个时空系统。
进一步改进在于：所述步骤三中，多个时空系统进行融合用于确定时空数据在共享与应用中置信度水平，协调时空系统应用中的因数分配问题。
进一步改进在于：所述步骤四中，如果引入时空数据共享因子β表示在tM融合时间的数据置信水平，则向量tM对应的置信度向量为BM＝[βM(t1)；βM(t2)；…；βM(tn)]。
进一步改进在于：所述步骤六中，时空元数据表达式将多时相、多尺度、多类型、多源异构等时空信息统一在时间尺度与空间坐标下进行动态管理，综合分析时间分辨率、空间分辨率、光谱分辨率和地理标识的精细化，实现了时空数据的有效记录、承载、共享和交换。
进一步改进在于：所述步骤七中，最小决策和分类算法指导不确定时空数据(尤其是影像)分类、模糊边界划分等，实现表示与处理同时含有多种空间、时相、光谱及其拓扑与映射关系。
本发明的有益效果为：本发明针对时空系统及其大数据中的各类数据集，富含空间、时相、光谱及其拓扑与映射关系，构建统一的时空元数据表达式，对时空大数据融合、高可信建模与应用模式进行分析、设计与研究，拓展以时空动态特征为基础数据资源的高可信建模及其验证研究方向，形成和完善高可信时空元数据，彻底贯通全球卫星导航定位数据、对地观测遥感数据、地理信息标识数据与社会公众数据等之间的聚合与强关联应用，在理论体系保障的基础之上评估时空大数据不确定影响，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。
附图说明
图1为本发明的时空系统处理过程图；
图2为本发明的时空元数据结构图。
具体实施方式
为了使发明实现的技术手段、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
根据图1、2所示，本实施例提供了空间信息时空元数据构建方法，具体步骤如下：
步骤一：数据收集
从全球导航卫星系统GNSS、天地一体化遥感RS、三维地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，其中，来自于物联网和社交媒体等形成的文字、音频与视频等数据类型，在时间戳为表达方式上具有线性关系；在地理信息系统中，把时空数据定义为基于统一时空基准、与位置直接或间接相关联的地理要素(或现象)的自然、人文和社会信息的数据等，构成时空事件；
步骤二：构建多个时空系统
对步骤一中时空事件进行数据组织，利用常规关键字索引、副关键字索引和空间索引，引发时空大数据，然后根据时空观测、事件相应和时空特征来对时空大数据进行系统估计，构建多个时空系统；
步骤三：构建数据结构形式
将多个时空系统进行融合，确定时空数据在共享与应用中置信度水平，协调时空系统应用中的因数分配问题，构建时空元数据的数据结构形式，即
Figure GDA0003344510620000071
进一步考察第i个子系统，在时空基准统一的情况下对带有时间标识的n个状态向量，则第j维时空大数据表达成： STij＝{xij(t1)；xij(t2)；…；xij(tn)}；
步骤四：构成时空数据集
将步骤三中融合后的时空大数据序列以GNSS接收系统的秒脉冲信号为统一基准，在可信建模中将来自各个子系统的数据进行时间戳配准，将时间戳标识配准下的时空数据构成向量Ti＝[t1；t2；…；tn]，设时空数据融合时间tM，且tM∈Ti，则第i个时空子系统第j维时空数据在tM时刻的状态向量估计结果为
Figure GDA0003344510620000072
对应的协方差矩阵PM(tM)，如果引入时空数据共享因子β表示在tM融合时间的数据置信水平，则向量tM对应的置信度向量为BM＝[βM(t1)；βM(t2)；…；βM(tn)]，最终构成时空数据集；
步骤五：时空数据表示
在步骤五中的时空数据集中，将利用GNSS接收机得到空间位置和观测时间信息，表示为：
Figure GDA0003344510620000081
其中，
Figure GDA0003344510620000082
分别表示GNSS接收机所处空间位置的经维度坐标和高程值；(tp,π)分别表示GNSS接收机的观测时间和其它参数；将利用遥感设备实现对地观测，所获得的地物波谱信息表示为：RSinfo＝ f(x,y,z,λ,tR)，其中，(x,y)为空间位置参数；(z)为对应于(x,y) 的观测值(与空间分辨率有关)；(λ)为所使用的电磁波段(与光谱分辨率有关)；(tR)为对地同一目标物的重复观测周期(时间分辨率)；对于GIS所得信息，表示为：GISinfo＝{i,j,T(A),tG}，其中，(i,j) 为系统所采用的空间位置坐标；T(A)为系统坐标(i,j)所对应的空间特征与相应属性；(tG)为系统信息的时间特征，对于来自于物联网和社交媒体的人文与社会数据，表示为：Moreinfo＝ {C(α,β,τ),S(γ,ψ,ω),t,π}，其中，C(α,β,τ)为人文属性的参数及其信息集合，S(γ,ψ,ω)为社会属性参数及其信息集合，t 为信息采集时间标识，π为其他多源数据；
步骤六：构建统一的时空元数据表达式
统一描述步骤五中信息载体的空间关系
Figure GDA0003344510620000083
时间关系 T(tp,tG)、光谱特征Λ(λ)、人文属性C(α,β,τ)、社会属性S(γ,ψ,ω)和其他数据π，构建统一的时空元数据表达式：
Figure GDA0003344510620000091
，如图2所示，时空元数据表达式将多时相、多尺度、多类型、多源异构等时空信息统一在时间尺度与空间坐标下进行动态管理，综合分析时间分辨率、空间分辨率、光谱分辨率和地理标识的精细化，实现了时空数据的有效记录、承载、共享和交换；
步骤七：构建时空元数据的数据相关性
分析步骤六中时空元数据的属性重要性、属性不确定性、属性表一致性和属性可靠性，构建时空元数据的数据相关性，评估数据结构中的绝对不确定性和相对不确定性，由时空数据产生决策算法，得到时空数据中的范式及逻辑关系，生成最小决策和分类算法，指导不确定时空数据(尤其是影像)分类、模糊边界划分等，实现表示与处理同时含有多种空间、时相、光谱及其拓扑与映射关系。
本发明针对时空系统及其大数据中的各类数据集，富含空间、时相、光谱及其拓扑与映射关系，构建统一的时空元数据表达式，对时空大数据融合、高可信建模与应用模式进行分析、设计与研究，拓展以时空动态特征为基础数据资源的高可信建模及其验证研究方向，形成和完善高可信时空元数据，彻底贯通全球卫星导航定位数据、对地观测遥感数据、地理信息标识数据与社会公众数据等之间的聚合与强关联应用，在理论体系保障的基础之上评估时空大数据不确定影响，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.空间信息时空元数据构建方法，其特征在于：包括以下步骤：
步骤一：数据收集
从全球导航卫星系统GNSS、天地一体化遥感RS、三维地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，在地理信息系统中，把时空数据定义为基于统一时空基准、与位置直接或间接相关联的地理要素的自然、人文和社会信息的数据等，构成时空事件；
步骤二：构建多个时空系统
对步骤一中时空事件进行数据组织，利用常规关键字索引、副关键字索引和空间索引，引发时空大数据，然后对时空大数据进行系统估计，构建多个时空系统；
步骤三：构建数据结构形式
将多个时空系统进行融合，构建时空元数据的数据结构形式，即
Figure FDA0003344510610000011
，进一步考察第i个子系统，在时空基准统一的情况下对带有时间标识的n个状态向量，则第j维时空大数据表达成：STij＝{xij(t1)；xij(t2)；…；xij(tn)}；
步骤四：构成时空数据集
将步骤三中融合后的时空大数据序列以GNSS接收系统的秒脉冲信号为统一基准，在可信建模中将来自各个子系统的数据进行时间戳配准，将时间戳标识配准下的时空数据构成向量Ti＝[t1；t2；…；tn]，设时空数据融合时间tM，且tM∈Ti，则第i个时空子系统第j维时空数据在tM时刻的状态向量估计结果为
Figure FDA0003344510610000021
对应的协方差矩阵PM(tM)，最终构成时空数据集；
步骤五：时空数据表示
在步骤五中的时空数据集中，将利用GNSS接收机得到空间位置和观测时间信息，表示为：
Figure FDA0003344510610000022
其中，
Figure FDA0003344510610000023
分别表示GNSS接收机所处空间位置的经维度坐标和高程值；(tp,π)分别表示GNSS接收机的观测时间和其它参数；将利用遥感设备实现对地观测，所获得的地物波谱信息表示为：RS info＝f(x，y，z，λ，tR)，其中，(x,y)为空间位置参数；(z)为对应于(x,y)的观测值；(λ)为所使用的电磁波段；(tR)为对地同一目标物的重复观测周期；对于GIS所得信息，表示为：GIS info＝{i，j，T(A)，tG}，其中，(i,j)为系统所采用的空间位置坐标；T(A)为系统坐标(i,j)所对应的空间特征与相应属性；(tG)为系统信息的时间特征，对于来自于物联网和社交媒体的人文与社会数据，表示为：Moreinfo＝{C(α，β，τ)，S(γ，ψ，ω)，t，π}，其中，C(α,β,τ)为人文属性的参数及其信息集合，S(γ,ψ,ω)为社会属性参数及其信息集合，t为信息采集时间标识，π为其他多源数据；
步骤六：构建统一的时空元数据表达式
统一描述步骤五中信息载体的空间关系
Figure FDA0003344510610000024
时间关系T(tp,tG)、光谱特征Λ(λ)、人文属性C(α,β,τ)、社会属性S(γ,ψ,ω)和其他数据π，构建统一的时空元数据表达式：
Figure FDA0003344510610000025
步骤七：构建时空元数据的数据相关性
分析步骤六中时空元数据的属性重要性、属性不确定性、属性表一致性和属性可靠性，构建时空元数据的数据相关性，评估数据结构中的绝对不确定性和相对不确定性，由时空数据产生决策算法，得到时空数据中的范式及逻辑关系，生成最小决策和分类算法。
2.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤一中，所收集数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，其中，来自于物联网和社交媒体等形成的文字、音频与视频等数据类型，在时间戳为表达方式上具有线性关系。
3.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤二中，根据时空观测、事件相应和时空特征来对时空大数据进行系统估计，构建多个时空系统。
4.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤三中，多个时空系统进行融合用于确定时空数据在共享与应用中置信度水平，协调时空系统应用中的因数分配问题。
5.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤四中，如果引入时空数据共享因子β表示在tM融合时间的数据置信水平，则向量tM对应的置信度向量为BM＝[βM(t1)；βM(t2)；…；βM(tn)]。
6.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤六中，时空元数据表达式将多时相、多尺度、多类型、多源异构等时空信息统一在时间尺度与空间坐标下进行动态管理，综合分析时间分辨率、空间分辨率、光谱分辨率和地理标识的精细化，实现了时空数据的有效记录、承载、共享和交换。
7.根据权利要求1所述的空间信息时空元数据构建方法，其特征在于：所述步骤七中，最小决策和分类算法指导不确定时空数据分类、模糊边界划分等，实现表示与处理同时含有多种空间、时相、光谱及其拓扑与映射关系。
CN201910826627.5A 2019-09-03 2019-09-03 空间信息时空元数据构建方法 Expired - Fee Related CN110532340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910826627.5A CN110532340B (zh) 2019-09-03 2019-09-03 空间信息时空元数据构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910826627.5A CN110532340B (zh) 2019-09-03 2019-09-03 空间信息时空元数据构建方法

Publications (2)

Publication Number Publication Date
CN110532340A CN110532340A (zh) 2019-12-03
CN110532340B true CN110532340B (zh) 2022-01-28

Family

ID=68666417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910826627.5A Expired - Fee Related CN110532340B (zh) 2019-09-03 2019-09-03 空间信息时空元数据构建方法

Country Status (1)

Country Link
CN (1) CN110532340B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259771A (zh) * 2020-01-13 2020-06-09 成都理工大学 基于图像特征分解的高空间分辨率遥感图像找矿方法
CN112132284B (zh) * 2020-08-24 2022-04-15 中国科学院空天信息创新研究院 一种对地观测知识枢纽系统
CN112445798A (zh) * 2020-11-13 2021-03-05 航天精一(广东)信息科技有限公司 基于元数据辅助治理的时空大数据质量检查的方法及系统
CN112487125B (zh) * 2020-12-09 2022-08-16 武汉大学 一种面向时空大数据计算的分布式空间对象组织方法
CN113192325B (zh) * 2021-04-19 2022-06-24 银江技术股份有限公司 一种交通事件相关性分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001075976A (ja) * 1999-09-01 2001-03-23 Nippon Telegr & Teleph Corp <Ntt> 多次元空間内の物体の動作データの管理方法、装置、および管理プログラムを記録した記録媒体
US6272457B1 (en) * 1996-09-16 2001-08-07 Datria Systems, Inc. Spatial asset management system that time-tags and combines captured speech data and captured location data using a predifed reference grammar with a semantic relationship structure
CN102915529A (zh) * 2012-10-15 2013-02-06 黄波 基于遥感“时-空-谱-角”的一体化融合技术及其系统
CN104699734A (zh) * 2014-11-20 2015-06-10 武汉图歌信息技术有限责任公司 一种面向主题的大规模地理空间数据动态融合方法
CN105184076A (zh) * 2015-09-02 2015-12-23 安徽大学 一种遥感地表温度数据的时空一体化融合方法
CN106503088A (zh) * 2016-10-12 2017-03-15 南昌大学 一种基于本体的遥感影像应用案例时空语义表达方法
CN106844622A (zh) * 2017-01-19 2017-06-13 中国测绘科学研究院 一种全空间信息表达方法及全空间信息系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6272457B1 (en) * 1996-09-16 2001-08-07 Datria Systems, Inc. Spatial asset management system that time-tags and combines captured speech data and captured location data using a predifed reference grammar with a semantic relationship structure
JP2001075976A (ja) * 1999-09-01 2001-03-23 Nippon Telegr & Teleph Corp <Ntt> 多次元空間内の物体の動作データの管理方法、装置、および管理プログラムを記録した記録媒体
CN102915529A (zh) * 2012-10-15 2013-02-06 黄波 基于遥感“时-空-谱-角”的一体化融合技术及其系统
CN104699734A (zh) * 2014-11-20 2015-06-10 武汉图歌信息技术有限责任公司 一种面向主题的大规模地理空间数据动态融合方法
CN105184076A (zh) * 2015-09-02 2015-12-23 安徽大学 一种遥感地表温度数据的时空一体化融合方法
CN106503088A (zh) * 2016-10-12 2017-03-15 南昌大学 一种基于本体的遥感影像应用案例时空语义表达方法
CN106844622A (zh) * 2017-01-19 2017-06-13 中国测绘科学研究院 一种全空间信息表达方法及全空间信息系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
High Spatio-Temporal Resolution Deformation Time Series With the Fusion of InSAR and GNSS Data Using Spatio-Temporal Random Effect Model;Ning Liu et al.;《 IEEE Transactions on Geoscience and Remote Sensing》;20180817;第364-379页 *
In-Sample Spatio-temporal Predictions by Multivariate Singular Spectrum Analysis;Richard O.Awichi et al.;《Procedia Environmental Sciences》;20150605;第19-23页 *
基于多源模糊神经网络的多时空数据融合;韩红桂 等;《第三十八届中国控制会议论文集（7）》;20170730;第5182-5187页 *
多维遥感数据时空谱一体化存储结构设计;张立福 等;《遥感学报》;20170131;第62-72页 *

Also Published As

Publication number Publication date
CN110532340A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110532340B (zh) 空间信息时空元数据构建方法
CN113065000B (zh) 一种基于地理实体的多源异构数据融合方法
Hamdi et al. Spatiotemporal data mining: a survey on challenges and open problems
CN107273530B (zh) 基于互联网信息的重要船只目标动态监测方法
CN115269751B (zh) 地理实体时空知识图谱本体库构建方法
CN105630897B (zh) 一种内容感知的地理视频多层次关联方法
CN112182410B (zh) 基于时空轨迹知识图谱的用户出行模式挖掘方法
Hu et al. GeoAI at ACM SIGSPATIAL: progress, challenges, and future directions
Vatsavai et al. Spatiotemporal data mining in the era of big spatial data: algorithms and applications
Chang et al. Context-aware taxi demand hotspots prediction
Shao et al. Clustering big spatiotemporal-interval data
Zhong et al. Spatiotemporal visualisation: A survey and outlook
Chen et al. A generic framework for constraint-driven data selection in mobile crowd photographing
Ji et al. A method for LSTM-based trajectory modeling and abnormal trajectory detection
Xia et al. Building a spatiotemporal index for earth observation big data
Kim et al. Design and implementation of geo-tagged video search framework
Gu et al. Exploiting interpretable patterns for flow prediction in dockless bike sharing systems
Ren et al. Long-Term Preservation of Electronic Record Based on Digital Continuity in Smart Cities.
Dai et al. Spatio-temporal deep learning framework for traffic speed forecasting in IoT
CN116522272A (zh) 一种基于城市信息单元的多源时空数据透明融合方法
CN108337685A (zh) 基于分簇dgm的无线传感器网络数据融合方法
Liu et al. Spatiotemporal activity modeling via hierarchical cross-modal embedding
Gubareva et al. Literature Review on the Smart City Resources Analysis with Big Data Methodologies
Wang et al. A graph based approach for mining significant places in trajectory data
Luo et al. Complete trajectory extraction for moving targets in traffic scenes that considers multi-level semantic features

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220128

CF01 Termination of patent right due to non-payment of annual fee