新書推薦：
《
文本的密码：社会语境中的宋代文学
》
售價：NT$
306.0
《
启微·狂骉年代：西洋赛马在中国
》
售價：NT$
357.0
《
有趣的中国古建筑
》
售價：NT$
305.0
《
十一年夏至
》
售價：NT$
347.0
《
如何打造成功的商业赛事
》
售價：NT$
407.0
《
万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题
》
售價：NT$
265.0
《
慈悲与玫瑰
》
售價：NT$
398.0
《
启蒙的辩证：哲学的片简（法兰克福学派哲学经典，批判理论重要文本）
》
售價：NT$
347.0
|
| 內容簡介： |
|
将遥感影像智能化地提取为地理信息，为地理大数据挖掘提供位置发现与时空关联的基准，是当前遥感认知研究所面临的挑战与机遇。《遥感大数据智能计算》综合地理分析思想、图谱认知理论与机器学习技术，设计从浅层感知到深层透视的路线，发展了遥感大数据智能计算模型与精准应用方法。《遥感大数据智能计算》分8章：第1章提出地理与遥感大数据的主要特征、科学问题以及关键思想；第2章论述地理图斑概念及遥感智能计算理论；第3章介绍机器学习的遥感计算运用机制；第4章阐述精准LUCC生成相关技术；第5～7章分别针对城市、农业与生态应用，介绍精准遥感应用的实践路线；第8章提出基于综合地理的土地空间优化技术方法。
|
| 目錄：
|
目录
代序：言传身教回忆陈述彭先生二三事
前言
第1章 地理与遥感大数据 1
1.1 大数据时代的地理与遥感 1
1.2 遥感大数据 12
1.3 遥感图谱认知 22
1.4 遥感回归地理学 33
主要参考文献 44
第2章 地理图斑计算理论 47
2.1 地理图斑的基本理论 47
2.2 地理图斑的空间粒化计算：分区分层感知 65
2.3 地理图斑的时序重组计算：时空协同反演 71
2.4 地理图斑的属性关联计算：多粒度决策 81
主要参考文献 94
第3章 机器学习机制探讨 97
3.1 人工智能与遥感 97
3.2 深度学习机制 110
3.3 迁移学习机制 123
3.4 强化学习机制 133
主要参考文献 140
第4章 精准LUCC生产线 143
4.1 精准LUCC产品的概念 143
4.2 精准LUCC生产线设计 149
4.3 精准LUCC生产线案例 158
4.4 精准LUCC分布式服务 174
主要参考文献 182
第5章 城市设计空间优化 185
5.1 城市设计研究背景 185
5.2 城市空间场景构建 190
5.3 场景指标量化计算 198
5.4 城市空间优化案例 207
主要参考文献 220
第6章 农业生长模式反演 223
6.1 生长模式遥感反濱的问题分析 223
6.2 耕作地块形态的精细提取 236
6.3 作物生长参数的定量反演 245
6.4 多云雨地区农业遥感初探 260
主要参考文献 272
第7章 生态植被遥感制图 275
7.1 植被制图的理论基础 275
7.2 山地植被分类与制图 284
7.3 植被空间分布模式初探 298
7.4 植被制图拓展思考 307
主要参考文献 321
第8章 综合地理专题应用 323
8.1 综合地理分析 323
8.2 土壤专题制图 331
8.3 人口专题制图 340
8.4 土地利用空间优化 349
主要参考文献 363
附录 精准遥感应用与服务 366免费在线读第1章 地理与遥感大数据
地理信息为在地表产生的各类大数据提供了精准位置发现与聚合的时空基准，可极大地提升大数据（big data）的价值密度与挖掘能力。高分辨率对地观测技术的迅猛发展为地理空间信息的大规模获取、快速更新与精准应用提供了数据基础，这个过程也对发展新时代的遥感影像地学理解与分析计算带来了新的挑战与机遇。本章首先通过介绍大数据的时代特征与计算范式，建立地理时空与遥感大数据智能计算的理论与方法框架，并通过阐述高分辨率遥感技术进步推动地理信息社会化精准服务的需求与趋势，对遥感大数据计算中“图谱耦合”与“复杂地表认知”的科学问题进行系统凝练，提出“地理学思想指导遥感研究，遥感研究回归地理学问题”的新时代遥感地学分析思维。
1.1 大数据时代的地理与遥感
当今无所不在的数据感知、信息互联与动态交互，推动了大数据时代的到来，进一步又对运用人工智能技术分析挖掘其中自然规律与社会行为模式提出了迫切需求。然而，当前主流的大数据研究与应用领域，基本都忽视了数据本身拥有或隐含的时空特性，普遍陷入了非结构化的困境，于是将“价值密度低”“垃圾堆里找黄金”等问题强加于大数据，引起了“信息难以挖掘”“知识盲目发现”的悲观论调。事实上，绝大部分数据的产生都与地表自然现象或社会经济活动密切相关，理论上这些数据都具有天然的时空特性，因此地表场景的位置可成为对数据实施结构化处理的信息基准。遥感是实现对地表全覆盖、真实、全面观测的**手段，因此基于遥感构建的地理场景可对各类在地表发生的大数据进行精准位置的聚合，从而将极大提升大数据的价值密度，有力增强当前基于大数据开展智能分析与决策服务的能力。
1.1.1 大数据的时代背景
世界的一切状态皆可用数据来表征，事件的发生和人的活动都会留下数据的足迹，万物皆可被数据化，世界就是一个数据化的世界，世界的本质就是数据（图1.1）。
图1.1 数据化世界的时代特征
大数据是传感网、物（互）联网、移动互联网与云计算、人工智能技术交织下的时代新现象与新理念。人人联接、万物互联产生了全时空覆盖、多态混杂、持续更新的大数据，实现了对地球、事件和人的存在以及活动态势的真实场景式记录。面对滚滚而来的数据洪流，对其快速处理需要用“云计算”的平台加以支撑，以及通过人工智能技术提炼产生高价值密度的系统性信息与知识，*终个性化地传递于移动互联网推送给广大用户。因此，人类已经跨入到了一个广泛互联、人人参与的大数据时代，新的时代呼唤新的运行模式，每个人都需要用新的思维来思索并直面这个新的数据世界！
1.大数据的由来
大数据这个被广泛认可的概念，*初是在2001年由著名咨询公司Gartner高级分析 师道格拉斯兰尼（Douglas Laney提出的。2008年9月，《自然》杂志推出了名为“大 数据”的封面专栏，由此大数据成为科学与技术领域的热门词汇。2011年5月，全球著 名的存储设备及软件开发商一美国EMC公司举办了 “云计算相遇大数据”大会，首 次在业界抛出了 “大数据”的概念。2011年6月，由EMC赞助，国际数据公司 International Data Corporation， IDC编制的年度数字宇宙研究报告《从混纯中提取价 值》 Extracting Value from Chaos发表，进一步明确了对大数据理念及价值的阐述；同 时，麦肯锡全球研究院发布《大数据：创新、竞争和生产力的下一个前沿》Big data： The next frontier for innovation， competition， and productivity研究报告，正式系统阐述 了“大数据时代”的概念：“数据，已渗透到当今每一个行业和业务智能领域，成为 重要的生产因素；人们对于海量数据的挖掘和运用，预示着新一波生产增长和消费者盈 余浪潮的到来”“大数据将成为企业的核心资产，对大数据的分析将成为竞争的关键， 并会引发新一轮生产力的增长与创新，对海量数据的有效利用将成为企业在竞争中取胜 的*有力武器” “对大数据的合理利用可以使企业经营利润提高60%以上”。大数据已 然成为培育创新、创业的沃土。
面对大数据业态的迅速崛起，各大国家纷纷推出了相应的发展战略，期望通过建立 大数据的竞争优势，取得在该领域的先发势头与领先地位。2012年3月，美国政府发布 《大数据研究和发展计划倡议》，将发展大数据提升至国家竞争的战略层面。联邦政府投 入了巨资来推动大数据存储、挖掘、分析、发现等技术与工具的研发；打造Data.gov， 推行政府的数据开放；随后，美国政府又于2016年5月发布了《联邦大数据研究与开 发战略计划》，围绕人类科学、数据共享、隐私安全等七个关键领域，部署推进了大数 据建设的相关计划。而在我国，国务院于2015年8月31日发布了《促进大数据发展行 动纲要》（以下简称《纲要》，**次将发展大数据上升为国家战略。《纲要》明确提出 了推动大数据发展和应用的目标，即在未来5~10年打造精准治理、多方协作的社会治 理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民 生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣 的产业发展新生态。国家主席习近平在致2018中国国际大数据产业博览会的贺信上指 出：当前以互联网、大数据、人工智能为代表的新一代信息技术正日新月异，给各国经 济社会发展、国家管理、社会治理、人民生活带来了重大而深远的影响；把握好大数据 发展重要机遇，促进大数据产业健康发展，处理好数据安全、网络空间治理等方面的挑 战，需要各国加强交流互鉴、深化沟通合作；中国高度重视大数据发展，我们秉持创新、 协调、绿色、开放、共享的发展理念，围绕建设网络强国、数字中国、智慧社会，全面 实施国家大数据战略，助力中国经济从高速增长转向高质量发展。
2.大数据的特征
大数据或称巨量的数据资料，指所涉及数据的规模巨大、形态复杂、类型多样，传 统的主流计算工具无法在合理时间内对数据进行接入、存储、管理及分析、运用气总 结起来，大数据具有“4V”的特征（图1.2：①巨量（volume，数据体量巨大，从TB 级跃升至PB级；②快速（velocity，数据产生迅猛，处理时效要求高；③多态（variety， 数据类型繁多，呈现为文本、视频、图像等各种形态；④价值（value，高价值总量， 但价值密度低，挖掘能力弱。
由于大规模对自然与社会实时感知的网络化数据持续产生，大数据*重要的特征还 是体现在其触角遍布地球各地所汇聚的规模上，也就是巨量数据。所以一般社会级PB 以上数据可称“大数据”，企业级TB—PB之间数据称“中数据”，个人级TB级数据 为“小数据”。信息时代以来，到2012年的数据量已经从TB 1024GB=1TB级别跃 升到 PB 1024TB=1PB、EB 1024PB=1EB乃至 ZB 1024EB=1ZB级别。国际数 据公司（IDC研究结果表明，到2013年全球产生的数据量为4ZB，相当于全球每人平 均产生约500GB的数据；IBM研究称，整个人类文明所获得的全部数据中，有90%是 过去10年内产生的，而到2020年全世界所产生的数据总规模将达到50ZB。
3.大数据的分类
如此大规模的数据来源于何处何种手段？主要是由于自互联网发展以来，世界上 环境演变、社会运行、事件发生与人类活动等一切现象和过程都在被数字化记录、网 络化传输与平台化运营，这些碎片式记录时刻都在被汇聚，并*终形成如同洪流大海 一般反映世界复杂运行态势的大数据环境。大数据的来源丰富多样而精彩纷呈，归纳 一下可分为四大来源（图1.3。
1数据化历史，对过往一切记录和描述自然科学、社会经济、人文历史的载体的数 字化，如数字化图书、影视、媒体、地图、文档资料等，属于一种相对静态的数字记录。
2传感器网络，在天、空、地立体化部署的对地球自然环境和资源状况进行监测、 探测的传感设备以及传输网络，其中对地观测与遥感是这一类中*重要的数据获取手 段，属于具有精准时空定位与信息量测定的数据记录。
3从互联网发展到移动互联网，在各种移动设备上产生的交易、交互、釆集与观 测数据，主要是对人、物、能量在地表运行状态进行的动态记录，因此也爆炸式地增长 了数据规模与复杂度，属于一类具有高度不确定性的数据记录。
图1.2 大数据的基本特征
图1.3 大数据的来源划分
4芸芸大众在泛互联网上通过社交网络、信息搜索与电子商务等行为，持续产生 的社会感知数据，属于一类高度非结构化、对人类活动乃至情感的数据记录。
针对以上四种来源的大数据，又可以从产生者、运营者和终端用户的角度，定义出 以下四类因角色而划分的大数据（图1.4①国家层面支撑获取的“地理时空大数据”， 是作为国家信息基础设施建设的一部分，通过对地观测系统、大地测绘体系以及各级水土生气监测网运行所形成的具有精准地理时空位置与观测属性的基础场景数据；②各级 政府行使职能与为社会提供服务过程中获取的“运营型大数据”，包括交通运行、安全 监控、环境监测、设施运维以及行政管理等产生的专题应用数据；③产业界的企业通过 智能制造的改造升级，也在持续产生“生产型大数据”，主要是针对产品的设计、制造、 营销、物流和服务等完整链路中不断产生的经济活动数据；④社会大众通过移动互联网 与智能终端产生的“消费型大数据”，主要是在电商、搜索和社交等平台上汇聚而成的、 反映群体行为模式与事件发生态势的社会感知数据。
图1.4 大数据的角色划分
4.大数据的范式
不同来源、不同类型、不同结构的数据通过网络在平台中迅猛汇聚而形成了这个时 代的大数据特征，如何高效地从大数据中提炼关键性的特征信息，并通过智能的发现机 制快速为社会提供全面而客观的决策知识，不断从中探寻可持续优化的运行规律，就成 为完全区别于传统小数据时代的新问题与新机遇（图1.5。
图1.5 大数据计算与应用的基本范式
针对大数据的基本特征，可从中凝练出针对大数据开展计算与应用应具备的三大核 心理念：①更清晰粒度上感知世界，通过无处不在的传感与交流的触角，多层次、多角 度地接纳能真实记录世界发生态势的全覆盖数据，在数字化空间中构建与世界同步响应 的映射关系（mapping;②更全面地协同计算，将非（半）结构性数据融入结构化的信 息基准中，对超量、混杂的数据堆，按照时空和属性进行有序地编排和融合，逐层级地 提升巨量碎片数据的价值密度（fusion;③更智慧地定制服务，根据应用目标的差异化 需求，自组织地从数据堆中挖掘信息特征，发现相关联的知识，再以优化重组的方式为 用户定向推送相关的内容服务（relation。由此，“粒化（mapping —重组（fusion —关联（relation ”可总结为大数据计算与应用的基本范式（Zadeh，1997； Wu et al.，2009; Wu et al.，2011。
大数据计算的实质是将海量、复杂、动态的非（半）结构化数据，快速有效地转化 为能被分析决策和利用的（半）结构化信息（知识）的价值密度提升过程。其中，能够 用有限的规则（模式）完全表征与刻画且在可接受时间内可形式化处理的数据，称之为 结构化数据（信息），反之则称之为非（半）结构化数据。因此，需要发展新型高效的高 性能与智能计算模式，才能从巨量、高增长和多模态的大数据资源中挖掘智慧的知识、优 化的流程以及强力的决策。对应于前述的大数据“4V”特征，大数据计算将涵盖以下四方 面的问题与相关的技术：①巨量问题，如何高效组织规模海量、时空密集的数据？比如， 分布式并行文件系统、GFS Google、HDFS Hadoop
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
