云端資源環境數據

21?世紀以來，隨著對地觀測數據的爆炸性增長和廣泛應用，人類開始對地球實現多尺度、全方位的立體觀測，海量多源遙感數據給資環環境監測帶來了極大的便利。然而，面對動輒幾十、成千上萬幅的長時間序列遙感數據，傳統計算機的計算模式已經遠遠不能滿足如此大數據量數據的快速處理工作。

隨著網絡和計算機技術的變革，云存儲和云計算技術已經在過去幾年得到了迅速發展。相比傳統的個人計算機、服務器，云平臺具備計算效率高、性能強、可彈性擴展、存儲容量大、價格低、數據安全等特點，非常適合用于海量地理數據的處理與運算。地理數據云平臺隨著自身的普及，通過云平臺調用數據的方式，越來越多地成為資源環境數據研究和生產的平臺。利用云平臺上的高速計算設備，無需將大量數據下載到本地進行計算，即可在云端對數據進行有效處理，并將分析處理后的最終結果提取或下載到本地使用，從而大大提高資源環境數據分析的效率；還可以對更長時間序列、更高的空間尺度對地表資源環境進行分析，擺脫了運算、存儲能力的限制。這催生了大量的云端資源環境數據。

2011?年，Google?公司發布了“Google Earth Engine”地理數據云計算平臺。與此同時，澳大利亞地球科學院（Australian Geoscience）也于?2011?年提出并開發了云端地理數據處理方案“Data Cube”，并運行在澳大利亞超算平臺中，從而實現了對澳大利亞全境的、包括遙感、氣象、地面站點數據的一致性數據管理構架。通過平臺調用的方式，用戶可以在個人計算機上通過瀏覽器實現對澳大利亞全境的地學數據進行處理與分析。2016?年，澳大利亞將“Data Cube”開源化，完全公開了當前所有數據構架和應用算法，并支持用戶構建自己的數據管理與運算系統，因此得到了全球用戶的廣泛支持。另外，“AWS?亞馬遜云”通過公開對地觀測數據，共計開放了包括“NASA Earth Exchange數據集”“全球的?Landsat?系列”“Sentinel?系列衛星”“氣象雷達（NEXRAD）”“美國農業影像計劃（NAIP）”和“數字高程（DEM）”等共計?61?組數據集。借助這些云端對地觀測數據，科學家可以方便地在云端開展全球資源環境監測。

云計算和機器學習極大地促進了資源環境監測向高分辨率要素類監測的轉變。例如，我國科學家借助“Google Cloud”，生產了?30?m?全球土地覆被產品。歐盟聯合研究中心基于“Google Earth Engine”完成了1984—2015?年全球尺度?30?m?分辨率陸表水體空間分布監測。由于陸表水體是區域水資源狀況的最直觀反映，長時間、可比較的序列數據集為診斷干旱生態系統水資源脅迫程度及其變化提供了十分有價值的信息：歐盟聯合研究中心開展了?1975、1990、2000?和?2014?年全球人居用地監測；美國馬里蘭完成?2000—2016?年全球?30?m?分辨率的森林覆蓋的變化監測；美國地質調查局?USGS?采用“Google Earth Engine”與超級計算機，首次完成?2015?年全球?30?m?分辨率的耕地種植空間分布圖；中國科學院遙感與數字地球研究所完成?2015?年全球?30?m?分辨率火燒跡地的遙感監測。歐空局針對“Sentinel數據集”，開發“S2ToolBox”工具，可開展空間分辨率為?20?m?的植被葉面積指數（LAI）、植被光合有效輻射吸收比（FAPAR)、植被覆蓋度（FCOVER）監測，將生態參數監測提升到與類型監測相同的分辨率，實質性地實現了高分辨率的類型與功能一體化監測。

新的數據源將不斷出現，新的分類、識別及分析手段，特別是人工智能（AI）技術的發展日新月異，使得云端的資源環境數據產品高、中、低分辨率齊全，而且中、高分辨率遙感數據種類越來越多，分辨率也越來越高——從過去的公里級，逐漸發展百米級、十米級的數據產品，未來米級的數據產品也必將涌現。全球尺度、更高分辨率的遙感產品生產將成為主流趨勢，而且將成為對地觀測領域競相角逐的制高點。高分辨率的云端資源環境數據普及后，科學研究和業務生產之間的界限將大大淡化；依托云端的強大運算能力和公開的數據資源，生產高分辨率的數據產品將逐漸取代以生產數據為己任的專業業務部門的職能。

相關文章