典型地物微波特性知识库面向用户提供信息服务, 应具有较强的开放性, 因此知识库设计采用B/S结构, 其基本形式可描述为一个3层Web结构的B/S模式的数据库体系。这个体系结构可以划分为客户层、应用逻辑层和数据库层(图1)。客户层主要负责数据信息的呈现; 应用逻辑层包括了系统的Web服务器和应用服务器, 主要负责支持系统运行的计算和主要事务逻辑; 数据库层主要负责提供应用数据与数据管理。用户通过浏览器向服务器提出请求, Web服务器将请求提交给应用服务器, 应用服务器处理完客户请求以后将处理结果发送到客户端浏览器。B/S体系结构具有灵活的系统结构、较高的系统可维护性、利于更新、可持续发展等重要特点, 满足典型地物微波特性知识库不断扩展的需求。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 典型地物微波特性知识库系统结构Fig.1 Architecture of the library of targets microwave properties

典型地物微波特性知识库主要向用户提供模型模拟、数据查询与雷达遥感应用等服务, 知识库设计主要由微波遥感模型数据库、测量数据库、雷达遥感图像数据库、雷达遥感图像解译标志数据库与先验知识数据库5部分组成。根据“ 模型→ 数据→ 图像→ 应用” 的研究思路, 典型地物微波特性知识库功能设计为以下7大功能模块:

1)微波模型模块, 包含模型信息浏览与模型运行功能。模型信息浏览提供裸露地表、植被、水体等地物的介电与散射模型信息浏览功能。模型运行提供在线与离线2种运行方式, 其中运算比较复杂且耗时的模型离线运行, 用户在线提交模型输入参数, 离线运行程序, 最后将运行结果发送给用户; 运算相对简单的模型在线运行, 用户在线提交输入参数并运行程序, 系统将运算结果直接返回到浏览器端。

2)测量数据模块, 提供在线测量数据查询功能。测量数据库目前仅收录了微波散射计测量数据, 包括中国科学院遥感与数字地球研究所的微波散射计所测量的数据, 同时还采集了CLPX(cold land process field experiment)、SGP99(Southern Great Plains 1999)和SMEX02(soil moisture experiments 2002)等计划测量的数据及与之对应的地面测量数据^{[6, 9, 10, 11]}, Ulaby等撰写的《Handbook of Radar Scattering Statistics for Terrain》中的微波散射计测量数据^[13]。其中, 遥感与数字地球研究所散射计测量数据根据内部制定的测量规范进行测量, 经过初步分析与整理, 结合散射计实际测量情况与地面参数测量情况, 选择有全部或部分地面参数或后向散射系数分布规律比较明显的数据批量入库。今后, 随着微波特性测量与仿真成像科学实验平台的建设完成, 将会有更多的、可控环境下的目标微波特性测量数据入库。用户可以浏览不同测量计划, 根据不同条件(地物名称、波段与极化方式等)查询测量数据与配套的地面参数数据, 对查询结果进行绘图, 最后以图片形式返回到浏览器端, 便于用户分析使用。

3)雷达图像模块。包含雷达卫星信息浏览与雷达数据查询功能。可进行部分国内外雷达卫星相关信息浏览和雷达遥感图像查询。用户可以根据不同条件查询与浏览雷达成像参数、图像基本参数与缩略图信息。

4)雷达遥感图像解译标志模块, 包含解译标志查询与先验知识浏览功能。解译标志查询提供典型地物解译标志查询功能, 每一种地物类型的解译标志包括对解译原理、图像特征、散射特性、极化特性、时相特性、干涉特性等方面部分或全部信息的描述, 同时介绍了试验区概况和地面测量情况, 并给出了典型样图及图像详细说明等。先验知识提供雷达遥感基本原理、常用的雷达遥感图像分析与解译方法, 以及经典的解译案例等信息浏览。

5)应用示范模块, 提供雷达遥感应用技术研究室近年开展的典型应用示范成果浏览。主要包含水稻监测、森林监测、罗布泊干旱区监测、城市高分辨率SAR遥感监测、地震灾害应急、海洋溢油和浒苔暴发污染监测等。

6)文件下载模块, 提供知识库相关的文件下载功能。用户可以下载相关文件(数据申请表、雷达遥感相关课件资料等)。

7)用户与数据管理模块, 实现用户管理与数据管理。前者包含用户在线注册、修改用户信息与管理员后台审批、授权与编辑用户相关信息; 后者主要包含数据库相关数据的录入、变更等与新闻管理。

典型地物微波特性知识库主要由5个数据库提供数据支持, 其中测量数据库数据量大, 数据关系复杂, 本文以测量数据库中散射计实测数据为例介绍数据库设计。数据库设计主要包括概念结构设计、逻辑结构设计与物理设计。概念结构设计是整个数据库设计的关键, 散射计实测数据以典型地物为观测对象, 在不同观测地点开展散射计测量, 利用E-R图描述散射计测量数据的概念模型如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 散射计实测数据E-R图Fig.2 E-R diagram of measured data

实测数据的逻辑结构是实测数据与说明数据关系模型的集合。实体、实体属性和实体之间的联系转化为关系模式过程中, 通过代码实现不同关系模型的关联。为了进一步提高数据应用系统的性能, 需要通过关系数据库理论对各个关系模式进行优化。可以将数据表的字段进行拆分建立多个数据表, 通过定义合适的外部关键字对不同数据表进行关联。测量数据库中, 散射计测量数据表是主数据表之一, 小麦测量数据表之间的逻辑关系如图3所示。将散射计测量结果中部分属性进行分解与编码, 降低冗余; 小麦地面参数数据表合并了部分属性, 平衡存储空间利用与数据操作效率之间的矛盾。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 小麦测量数据表之间的逻辑关系Fig.3 Logical relationship between wheat measured data tables

由于用户需求与提供服务的类别各异, 如果对于不同用户与不同服务类型均进行权限控制必将增加授权机制的复杂性。根据用户访问权限的不同, 将用户分为普通用户组、专业用户组、合作用户组与管理员组。普通用户组可以浏览典型地物微波特性知识库中基本内容, 可根据需要申请为更高级用户; 专业用户除具有普通用户的权限之外, 还有数据查询、模型模拟与数据获取申请等权限; 合作用户除拥有专业用户的所有权限外, 还拥有上传、定制相应功能模块权限; 管理员拥有最高权限, 除拥有用户所有权限外还拥有系统管理, 数据管理与用户管理等权限。通过用户分组可以实现不同类别的访问需求, 同时为知识库的安全访问提供保证。

数据是典型地物微波特性知识库的核心, 主要包括测量数据、收集整理数据、雷达遥感图像数据、微波遥感模型、解译标志以及各自对应的属性等信息。由于各种数据类型复杂, 文件格式各异, 需要对数据的测量与整理做统一的规范, 以保证用于共享与分析的数据标准化。测量与收集数据为以典型地物为实体组织对应的属性数据, 经过严格的预处理后生成标准格式的中间文件, 然后通过批处理方式将数据录入数据库中。微波遥感模型、雷达遥感图像数据与解译标志采用文件与数据库相结合的方式存储与管理数据。其中微波遥感模型可执行文件、雷达遥感图像数据与解译标志结果采用文件方式管理, 微波遥感模型对应的描述信息、雷达遥感图像对应的元数据与解译标志说明与描述信息采用数据库管理, 检索时通过关键字进行关联。

解译标志库是专业解译人员根据雷达遥感图像特征, 包括地物目标的后向散射特征, 几何结构特征、极化特征、纹理特征及时相特征等, 识别分析地物目标, 定性、定量地提取出目标的分布、参数、结构、功能等有关信息。各国学者已从不同角度构建了众多的土地分类系统, 但各分类系统往往只针对特定的研究目的和研究尺度, 没有统一的标准^[14]。本解译标志库以美国地质调查局土地覆被分类系统作为地物目标分类依据并进行扩展, 几乎包含了雷达遥感研究的全部典型地物类型。解译标志的类别分成一级类和二级类。一级类地物包括城镇或建成区、农业用地、草地、林地、水体、湿地、荒地、苔原、冰川或永久积雪、地质灾害和海洋; 编码采用3位数字编码, 其中前2位用于表示一级类区分, 最后1位用于表示一级类对应二级类的编码, 从1开始。为了统一存储, 一级类最后一位编码统一为0, 具体分类与编码如表1所示。

表1

Tab.1

表1(Tab.1)

表1 解译标志类型与编码 Tab.1 Classification and code of interpretation signs 一级类型名称与编码 二级类型名称与编码 城镇或建成区010 住宅用地011, 商服用地012, 工业用地013, 公共设施用地014, 工商综合体015, 城镇或建成区混合体016, 其他城镇或建成区017 农业用地020 农田和牧场021, 果园和园林等用地022, 圈养场023, 其他农业用地024 草地030 草本草地031, 灌木和灌丛草地032, 混合草地033 林地040 落叶林地041, 常绿林地042, 混合林地043 水体050 河流和沟渠051, 湖泊052, 水库053, 海湾和河口054 湿地060 有林覆盖湿地061, 无林覆盖湿地062 荒地070 干旱盐碱池071, 海滩072, 沙地073, 裸岩074 苔原080 灌木与灌丛苔原081, 草本苔原082, 裸地苔原083, 湿苔原084, 混合苔原085 冰川或永久积雪090 永久积雪091, 冰川092 地质灾害100 地震101, 滑坡泥石流102 海洋110 污染性溢油111, 烃渗漏溢油112, 浒苔113, 内波114, 海冰115, 海气边界层116

表1 解译标志类型与编码 Tab.1 Classification and code of interpretation signs

微波散射模型与雷达遥感应用模型可以弥补微波遥感测量数据不足, 增强模型模拟、微波特性测量、雷达遥感图像统计分析3种研究思路之间的联系。随着研究的不断深入, 收集的模型会不断丰富, 而且已有的模型可能会过时或者修改, 因此, 需要支持模型的动态变更。基于Web设计的各种模型均部署在服务器端, 降低了客户浏览器端的配置要求, 用户在运行模型时, 可以根据具体情况, 选择在线运行或离线运行。在微波遥感具体应用中, 运用模型进行模拟的需求是多方面的, 需要按照模型的类型进行分类与维护, 采用Web Service技术将模型部署到不同服务器上, 降低主服务器压力。

数据库查询是数据库的核心操作^[15]。典型地物微波特性知识库中数据记录最多的是测量数据, 需要设置合适的查询方式与数据在线表达方式满足实际应用需要, 而不是简单的数据罗列。多维(波段、极化方式等)微波遥感测量数据在经过入库处理之后变为二维数据表, 对于单条记录而言是一维信息, 需要对查询数据进行重组, 实现多维信息的在线表达。在微波遥感测量数据应用过程中, 需要对不同地物在不同波段、极化方式、方位向与入射角等条件下的后向散射系数进行分析。在设计过程中, 以地物名称、波段、极化方式等为主要查询字段进行初检索, 用户根据初步检索结果选择感兴趣的测量结果, 查看其详细信息, 包含后向散射系数测量结果、对应地面测量结果与多维信息表达结果(绘图结果, 如后向散射系数随入射角的变化规律), 其中多维信息表达结果采用ZedGraph控件实现。