[发明专利]面向区域覆盖的遥感数据筛选方法及系统

说明书

本发明提供一种面向区域覆盖的遥感数据筛选方法及系统，该方法包括：从待筛选遥感数据集中初筛出候选遥感数据集；将各遥感影像的空间几何对象按目标区域范围进行空间裁剪后相互切割并去重，得到覆盖目标区域的碎片化几何要素集合；通过空间连接计算裁剪后的各遥感影像包含碎片化几何要素集合中的碎片；根据裁剪后的各遥感影像包含的碎片数量、成像时间和云量，优选出目标遥感影像。本发明直接利用空间计算，得到精确覆盖目标区域的碎片化几何要素集合，通过集合关系运算和多条件权重模型进行遥感数据筛选，有效降低了数据冗余，保证了筛选的遥感影像的数量、时间、云量和空间覆盖度的综合最优；为生产长时间序列的大区域影像镶嵌产品提供支持。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种面向区域覆盖的遥感数据筛选方法及系统。

背景技术

地球是人类生存的共同家园，随着人类文明的不断进步，利用技术手段不断发现和了解未知的世界成为人类文明进步的强大动力。由于地球表面的浩瀚和广阔，人类虽然在地球上已经进化了上千万年，但对其所居住环境从局部到整体的认知都非常有限。直到20世纪中期随着卫星遥感技术的出现，人类通过“天眼”获取地球表面的影像资料，才真正拉开地球整体相对连续认知的大幕。尤其到了二十一世纪初期，随着技术的快速进步和遥感技术的蓬勃发展，遥感卫星数量不断增多，人类获取的地球表面的观测资料不断快速积累，数据规模目前已经达到了EB级，随后应运而生的大数据技术为海量资料的处理和信息挖掘提供了技术保障。

目前，遥感技术虽然得到了长足的发展，遥感数据类型和精细程度越来越丰富，但由于地球表面的浩渺和广阔，以及球型特点，导致原始获取的遥感影像相对地球整体而言，具有带片状、时空碎片化以及非连续的特点。虽然通过卫星星座技术和多星组网技术，利用数量优势最大限度地填补时空数据空白，提升后期拼接处理后整体影像的时空连续程度，但这也带来了数据规模的快速增长导致的数据筛选和数据处理方面的挑战。针对时间序列的大规模区域影像甚至全球影像资料的快速生成需求，首先就要解决时空约束条件下，从大规模影像数据资料集中快速筛选出最佳组合的一组原始数据资料集，以便支持后续的影像数据资料快速拼接处理的需要。这对整个任务的快速执行和结果获取至关重要，如果采用人工筛选的方式，不仅效率低下，成本耗费高，而且无法有效集成到现有的IT（Information Technology，信息技术）设施系统中，实现灵活且自助式的按需影像服务场景。因此，如何通过一套技术装置，在将用户的时空约束条件进行收集后，能够从海量原始遥感影像资料集中快速筛选出一组最佳的数据子集，以便匹配后续大规模区域影像的生成，是亟待解决的技术问题之一。

传统的遥感数据筛选方法大多基于空间数据库提供的查询引擎从海量数据中搜索符合条件的结果。然而这种传统的遥感数据筛选方法存在如下问题，一方面，查询条件的设置比较固定，例如，对于光学遥感卫星数据，只能根据设置特定的目标区域的空间范围、时间范围和最高云量的阈值对遥感数据进行筛选，难以提供面向特定应用需求的查询条件设置；另一方面，筛选后的遥感数据中存在大量的冗余，需要借助人工挑选的方式获取最优的遥感数据，非常费时费力，效率低。因此，如何快速和自动化的筛选出最优的遥感影像数据，减少人工挑选的工作量和时间，就显得尤为重要。

为解决上述问题，现有技术中在根据设置特定的空间范围、时间范围和最高云量的阈值对遥感数据集进行初步筛选后，对目标区域进行网格划分后，通过计算遥感影像和网格之间的覆盖关系对遥感数据集进行进一步地筛选。而网格的大小对遥感数据的筛选结果至关重要。一方面如果网格设置过大，则最终的网格所覆盖的区域边界和目标区域的边界存在较大的差异，导致最终的优选结果无法有效覆盖目标区域的边界。并且，若将网格大小设置为超过遥感影像单景的大小，则会导致在计算网格是否被单景影像覆盖时出现无法覆盖的问题，使得遥感影像漏选，导致筛选结果不准确，覆盖度降低。另一方面，如果网格大小设置过小，则会导致计算量成指数级上升，筛选效率低。。

发明内容

本发明提供一种面向区域覆盖的遥感数据筛选方法及系统，用以解决现有技术中采用网格对遥感数据进行二次筛选，导致筛选结果不准确和效率低的缺陷，实现快速准确地筛选出最优的遥感数据。