自国家基础航空摄影项目开展以来, 已经积累了覆盖全国不同空间分辨率的遥感数据, 包括模拟航片、数字航片、光学卫星遥感数据和雷达卫星遥感数据等。其中, 卫星遥感数据种类已经达到20余种, 包括ALOS, ASTER, ETM, FW2, IKONOS, P5, P6, Plé iades, QuickBird, RADARSAT, RapidEye, SPOT, TM, WorldView和天绘等^[8]。这些遥感数据具有组织单元各异(如按标准/非标准景、标准/非标准条带等)、数据格式各异(如GeoTIFF, TIF, DAT和JPG等)、波段组合各异(如单波段、合成波段等)、元数据格式各异(如TXT, IMD和XML等)和元数据编码方式各异(如ANSI和Unicode等)等特点。

卫星遥感数据元数据是描述数据集的空间位置、获取时间、空间分辨率、空间参考和质量等特征的属性数据^{[9, 10]}。由于卫星遥感数据种类较多, 各卫星遥感数据元数据的结构和格式各不相同, 国家基础地理信息中心依托国家基础航空摄影项目设计了统一的元数据结构, 开发了元数据库以及相应的管理系统。

该系统是在Microsoft Visual C++ 6.0集成开发环境中^[11], 以Microsoft SQL Server数据库作为存储和管理库体, 以ADO 作为访问服务器端数据库的编程接口^{[12, 13]}, 综合应用开源栅格空间数据转换库(geospatial data abstraction library, GDAL)、矢量空间数据转换库(OGR)以及地理信息系统技术实现的。元数据库的构建, 形成了各卫星遥感数据元数据统一入库、更新、检索和服务体系, 并实现了属性数据、图形数据的一体化存储, 为卫星遥感数据元数据规范化管理、快速检索、统计分析和数据服务奠定了数据基础。

元数据内容主要包括遥感数据的基本信息、空间位置信息、姿态信息、数学基础、质量信息和管理信息等, 数据结构如表1所示。

表1

Tab.1

表1(Tab.1)

表1 元数据内容与结构 Tab.1 Content and structure of metadata 属性项 类型 属性项 类型 属性项 类型 卫星类型 TEXT 右上角经度 FLOAT 地图投影 TEXT 传感器 TEXT 右上角纬度 FLOAT 动态拉伸 TEXT 轨道号 TEXT 右下角经度 FLOAT 数据字长 TEXT 影像ID TEXT 右下角纬度 FLOAT 重采样方式 TEXT 立体ID TEXT 左下角经度 FLOAT 文件格式 TEXT 文件名 TEXT 左下角纬度 FLOAT RPC参数 TEXT 接收时间 TEXT 扫描方位角 FLOAT 云量 TEXT 影像种类 TEXT 扫描方向 TEXT 雪量 TEXT 波段数 INTEGER 接收方位角 FLOAT 质量 TEXT 波段情况 TEXT 接收倾角 FLOAT 可用性 TEXT 地面分辨率_横向 TEXT 太阳方位角 FLOAT 备注 TEXT 地面分辨率_纵向 TEXT 太阳高度角 FLOAT 所属项目 TEXT 面积 FLOAT 下移值 FLOAT 坐标备注 TEXT 数据量 FLOAT 时间延迟 FLOAT 提交时间 TEXT 中心点经度 FLOAT 处理级别 TEXT 提供单位 TEXT 中心点纬度 FLOAT 辐射校正 TEXT 数据介质 TEXT 左上角经度 FLOAT 地理校正 TEXT 左上角纬度 FLOAT 地球模型 TEXT

表1 元数据内容与结构 Tab.1 Content and structure of metadata

从表1可以看出, 元数据包含了遥感数据常用的属性信息, 为数据检索和服务提供了较多的检索条件。截至2011年底, 利用元数据库管理系统, 已完成24 000余条全国卫星遥感数据元数据信息的录入建库与管理, 生成的图形数据可反映遥感数据的空间分布状态。按照空间分辨率的不同, 30 m空间分辨率、8~20 m空间分辨率、0.5~5 m空间分辨率的遥感数据在全国范围覆盖情况如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 在全国范围内遥感数据覆盖情况(审图号: GS (2016)1号, 行政区划资料截止到2001年。图3同。)Fig.1 Coverage of remote sensing data in China

从图1可以看出, 单一高空间分辨率传感器数据, 覆盖全国范围的难度较大, 这与全国范围较广以及部分地区的气候条件有较大关系。

国家基础航空摄影项目积累的遥感数据服务模式具有以下主要特点:

1)元数据库管理系统为数据用户提供了开放式的检索方式, 用户确定了研究区域后, 通过管理系统即可自主检索是否存在需要的数据。

2)数据获取一般是根据特定项目需求计划确定的, 获取的数据必定是用户需要的, 数据订单完成后, 只需传送给用户即可。

3)获取的遥感数据类型丰富, 充分满足了用户需求。

随着遥感数据的不断丰富, 利用遥感技术研究土地覆盖变化、生态环境变化乃至全球变化, 在国际上一直是研究前沿和热点^[14]。随着我国地理国情监测事业的开展, 利用多源多时相遥感影像数据开展变化监测, 已经成为测绘行业主要的应用需求。

在这种形势下, 对遥感数据的需求也发生了变化, 主要表现为:

1)研究人员侧重于研究区历史和现在的对比分析, 甚至开展对将来发展趋势的预测。单时相遥感数据已无法满足监测的需求, 更加需要研究区长期积累的多时相遥感数据。

2)由于全国地域面积广阔, 一种或几种特定传感器遥感数据无法完全满足应用需求, 需要整合并充分利用多源遥感数据(光学遥感数据、雷达遥感数据和高空间分辨率遥感数据等)开展工作。

3)传统先确定研究区, 再检索元数据库管理系统的模式, 往往会出现因为遥感数据覆盖情况不满足实际需求, 而增加用户与管理机构的工作量, 也延长了数据获取周期。急需推广先掌握遥感数据覆盖情况, 再合理选择和确定研究区的模式。

面向遥感数据的新需求方式和内容, 管理机构基于现有数据库, 开展了进一步的数据挖掘, 提供了新的数据服务, 实现了对现有服务的补充和完善。由于元数据库不仅包含影像的属性信息, 同时还具有空间几何信息, 可基于空间叠置分析模型和统计计算, 衍生一种新的数据分析成果, 表征各区域遥感数据覆盖的综合情况, 从而构建一种新的服务产品, 为用户提供更深层次的服务。

现有遥感数据元数据库是根据影像类别分别构建元数据层, 为了获取遥感数据覆盖频次专题图, 需要先将各层的元数据进行融合; 再对元数据的遥感数据进行空间叠置分析^[15], 包括空间求交(intersect)、对称求差(symmetrical difference)等; 并利用统计计算, 标示遥感数据重叠覆盖频次, 作为属性项进行记录, 生成包含原属性信息的新成果数据, 从而获得遥感数据覆盖频次专题图。数据处理流程如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 元数据空间叠置分析和统计计算流程Fig.2 Flow chart of spatial overlap analyzing and statistics for metadata

由图1可知, 0.5~5 m空间分辨率的遥感数据在全国范围覆盖情况最为复杂, 包含的影像种类多, 多边形数量大。以该数据集中0.5~2.5 m高空间分辨率遥感数据为例, 利用空间叠置分析和统计计算, 衍生覆盖频次专题图, 结果如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 遥感数据覆盖频次专题图Fig.3 Thematic map of remote sensing data covering frequency

从图3可以看出, 覆盖频次最多达到22次, 在空间分析过程中, 经空间求交、对称求差等叠置分析后, 多边形数量达到31.2万个, 各覆盖频次多边形数量统计结果如图4所示。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 各覆盖频次多边形数量统计结果Fig.4 Statistical results of polygon quantity for all the covering frequency

从图4可以看出, 各覆盖频次多边形数量统计结果呈正态分布规律, 频次主要集中在2~9, 占比最高的频次为4, 达到16.62%。

该类遥感数据全国总覆盖面积为800万km², 各覆盖频次面积统计结果如图5所示。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 各覆盖频次面积统计结果Fig.5 Statistical results of polygon area for all the covering frequency

从图5可以看出, 各覆盖频次面积呈逐渐递减趋势, 占比最高的频次为1, 面积为388万km², 占比达到48.50%; 其次, 覆盖2次的面积为247万km², 占比达到30.88%。

根据元数据库记录分析可以看出, 覆盖频次过多的区域大多是由于重大项目需要获取的立体像对, 像对间重叠度大, 因此, 覆盖频次出现异常多的情况。总体而言, 覆盖2次以上的区域为重复覆盖区域, 能够为研究人员提供数据检索依据。

在专题图上, 还可以显示重叠覆盖的遥感数据类型、拍摄时间等属性信息, 便于用户在检索时, 更加直接地了解数据覆盖的综合情况, 根据实际需要有选择性地快速明确需求并提交订单。同时, 在遥感数据不断积累的过程中, 遥感数据管理机构可以将积累的数据不定期地添加到统计分析结果中, 对该结果进行更新与维护, 让用户及时了解最新的数据情况。