面向灾害应急任务的时空数据智能聚合服务方法

Disaster data is of velocity, variety and veracity features converted from singleness and small amount, and it is increasingly available from sensor networks covering aerospace, air and ground with rapid development of earth observation technology. Currently, data preparation relying on simple metadata retrieval with artificial experience, however, hardly manages big data in an effective and precise way, so that the velocity and veracity of disaster evaluation gradually decline in emergency response. Faced with emergency task, how to aggregate effective data and offer intelligent service accurately and quantitatively has become a bottleneck of disaster mitigation and a research hotspot in the world. This proposal puts forward an intelligent aggregation service method, in which disaster emergency tasks are regarding as a key factor to restrain and aggregate spatio-temporal data. The main research contents include: (1) studying a uniform semantic description between emergency task and disaster big data, (2) establishing a semantic association model of disaster big data, (3) putting forward a task-oriented intelligent aggregation method on disaster big data, and (4) developing an experience on storm-flood disaster chain commonly occurred in China for verifying effectiveness of the method. It is the limitations of velocity and veracity that this research breaks through in current process of data preparation for emergency tasks in order to offer an effective spatio-temporal data service for accurate disaster assessment.

随着天空地一体化对地观测技术的快速发展，灾害数据由单一、少量转变为海量、高时效、多维度的时空大数据，而现有的数据准备方法主要依靠人工经验基于简单元数据的检索，耗时长、准确率低，应急响应中灾情评估的时效性和准确性日益受限。如何面向应急任务，快速、定量、准确地聚合有效数据并提供智能服务，已成为遥感减灾的瓶颈问题和国际前沿。本项目系统研究面向灾害应急任务的时空数据智能聚合服务方法。研究内容包括：1）研究应急任务与灾害大数据的统一语义描述；2）构建灾害大数据语义关联模型；3）提出面向任务的灾害大数据智能聚合方法；4）以我国最为常见的暴雨-洪涝灾害链为例开展实证研究。突破当前应急任务中数据准备耗时长、准确性低的局限，为高效精准的灾情评估提供一种时空数据服务的新途径。

随着天空地一体化对地观测技术的快速发展，灾害数据由单一、少量转变为海量、高时效、多维度的时空大数据，而现有的数据准备方法主要依靠人工经验基于简单元数据的检索，耗时长、准确率低，应急响应中灾情评估的时效性和准确性日益受限。如何面向应急任务，快速、定量、准确地聚合有效数据并提供智能服务，已成为遥感减灾的瓶颈问题和国际前沿。.该基金项目立足于多源异构数据的语义特征，研究了面向自然灾害应急任务的时空数据智能聚合方法。主要研究内容有：1）研究应急任务与灾害大数据的统一语义描述；2）构建灾害大数据语义关联模型；3）提出面向任务的灾害大数据智能聚合方法；4）以我国最为常见的暴雨-洪涝灾害链为例开展实证研究。.针对于上文所提出的基金研究内容，本项目基于本体理论分别研究应急任务和灾害数据的统一描述，并以此为基础提出从任务需求向语义约束知识的转化机制，建立二者之间的关联框架；针对灾害数据类型多样、语义复杂，难以支持全局关联分析的问题，深入研究研究灾害语义约束的＂任务－数据＂关联方法，提取灾害数据的多维语义特征，从时空、属性和偏好三个层次建立任务与数据的关联规则，研究应急任务与灾害数据的关联度量方法；针对快速、自动检索面向特定任务的优势数据的需求，研究基于图论的灾害应急任务流构建方法，进一步提出任务驱动的多层次自适应数据聚合方法，实现从实时接入数据、历史数据和基础地理数据等数据集中自动发现满足特定任务需求的数据序列；最后，在多维可视化场景下搭建原型系统，以江西赣江流域暴雨-洪涝灾害为例，验证了模型和方法的有效性和实用性。.有关理论研究成果发表在国内外著名刊物，被SCI/EI收录了6篇。该项目的研究内容促进灾害管理系统实现了灾害应急任务流自动构建与动态更新、面向任务需求的数据自动发现与推荐，显著提高了灾害管理的应急响应和信息处理能力。通过该项目研究，培养建立了一个拥有博士和硕士的专门研究队伍，为该方向的持续研究奠定了坚实基础。