张亚男
宁波大学植物园校区 315211
摘要：随着遥感数据获取的增多，和卫星技术的不断发展，我们已经进入数据大爆炸时代，各种各样的信息充斥着我们的生活。在为我们的生活带来便利的同时，也不可避免地带来了数据的冗杂、海量以及可靠性。在当今的遥感技术和应用体系下，数据挖掘以及数据处理技术还有待进一步的加强，从而使得海量的多元化遥感数据能够为“我”所用，更好地服务于人们生活的改善当中。
1.大数据和遥感应用
遥感（Remote Sensing)：泛指一切无接触的远距离探测，包括对电磁场、力场、机械波（声波、地震波）等的探测。它是从远处探测感知物体，也就是不直接接触物体，从远处通过探测仪器接收来自目标地物的电磁波信息，经过对信息的处理，判别出目标地物的属性。
遥感一词最早起源于美国。是第二次世界大战以后，尤其是50年代以后新发展起来的对地科学技术。美国人伊夫林.布鲁依特(Evelyn Pruitt)于1960年提出用“遥感”这－科学术语，以代替常规航空摄影地概念。1962年，在美国《环境科学遥感讨论会》上，遥感一词被正式引用。现代遥感技术是用传感器和遥感平台对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。
.png)
遥感信息技术系统由几部分组成，可以大致分为以下这几类：
遥感试验：对电磁波特性、光谱波段、信息获取、传输和处理技术的试验。
遥感信息获取：传感器和遥感平台。其中主要的遥感平台有高空气球、飞机、火箭、人造卫星、载人宇宙飞船等。主要的遥感器有可见光摄影机、红外摄影机、紫外摄影机、红外扫描仪、多光谱扫描仪等。
遥感信息接收：胶片或数字磁介质。通过对遥感信息、图像和光谱波段的接收，是飞行器和地面间传递信息的工具。
遥感信息处理：几何校正、辐射校正、投影变换、裁切分发……通过对地面接收到的遥感图像信息进行处理和加工（几何校正、滤波等）以反映地物性质和状态信息。
遥感信息应用：地理、海洋、测绘、生态、能源和城市规划等各个领域
现代遥感技术以数字化和多谱段成像为特征，通过图像降噪处理、地理配准、几何纠正、图像增强，来进行遥感图像和数据的重新组织和梳理，一些统计学家家传统统计学方法应用于遥感，开启了遥感图像的数字信号处理时代。20世纪90年代，由于受到样本代表性等问题的困扰，基于物理模型的定量遥感方法将遥感信息与地表目标参数联系起来，自此进入了一个以量化为特征的定量遥感时代。而随着现代技术的发展，从无人机的一代代更新换代，到卫星的更迭，从地面观测站到无线传感网，空间信息处理网络不断进化和发展，这是一个庞大的数据信息系统，也就是我们所说的“大数据”，用以指代各种规模巨大到无法通过手工处理来分析解读信息的海量数据。
大数据是什么？
大数据（big data）,指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
在当今世界，随着技术应用的进一步发展，遥感数据空间分辨率、光谱分辨率越来越高，对于数据处理的精度和要求进一步深化，数据量也呈现几何递增的趋势，越来越表现出遥感的大数据时代的5V特点（IBM提出）：Volume(大量)、Velocity(高速)、Variety(多样)、Veracity(真实性)、Value(高价值).
在传统的信息收集中，遥感数据的来源往往比较单一且具有滞后性，统计数据来源：行业统计资料；遥感影像；社会调查等。而在大数据时代，遥感数据来源呈现大容量、多类型、多元化的特点，它的数据来源有：
1.移动、联通、电信等通信和互联网运行商
2.互联网网站：SNS;YouTube等视屏网站
3.企业及公共服务数据：公交IC卡；医疗；保险等
4.传感器、摄像头监测数据
5.移动终端数据：智能手机、GPS等个人数据
6.卫星云图数据等。
综上，遥感数据系统正面临着数据庞大、访问密集、时空密集[]等带来的挑战。只有兼备了兼容性、动态性、高性能计算、伸缩性、容错性以及深度挖掘特性的遥感大数据处理系统，才能满足现当代遥感数据处理分析的应用需求。
现如今遥感大数据处理系统不断出现，比如基于GPU集群的大尺度空间数据处理系统、基于分布式计算的遥感处理系统，基于云格计算的海量遥感数据处理系统，这些系统的出现极大程度的解决了遥感大数据处理面临的问题。基于GPU加速的大数据处理系统，通过CUDA编程模型以及GPU的并行算法层，可以兼容多种不同形式的遥感影响处理，同时还简化了算法，降低了算法运行的花费；基于GPU集群的遥感大数据处理系统，利用分布式并行计算，对每个节点并行加速来提高其计算性能；基于网格计算的遥感大数据处理系统，通过集成分布式资源，通过数据的共享和可视化，为各种云计算提供相应的帮助和支持，形成数据库访问集成一体化系统；基于云计算的遥感大数据处理系统，解决数据密集型问题，通过参数模拟、科学实验、数据挖掘，算法校正等等[]，使得分散的资源得到优化，同时加强了数据的云服务，使得用户更加方便便捷的获取使用软件功能。
2.遥感技术在城市规划中的应用
城市规划研究城市的职能性质以及未来的发展方向、土地资源的综合利用以及部署，是城镇建设和城市管理的重要依据、城市规划是一项集政策性、严谨性、综合性、长远性、与区域性为一体的工作。
城市规划需要遥感技术的支持。由于城市规划涉猎领域广，范围大，以及信息时代的到来，使得传统数据收集手段难以满足现代化信息处理的需求。而城市信息涵盖面广，数据庞杂，使用遥感影响可以快速为编制人员提供科学的数据参考和可靠的数据来源，从微观到宏观，从区域到综合，从历史到现实的大量数据，满足了现代化研究和编制的需求，促进了城市规划编制的科学性、综合性、可靠性。
1.区域城乡空间关系研究
在传统的规划方法中，行政辖区界限、以及社会经济属性数据的分析成为判别区域外部空间范围和内部城市空间结构的依据。随着大数据时代的到来，各个领域传统的边界更加模糊，为获取新的数据类别和应用到城市规划中带来了新机遇。
2.城市空间研究
大数据在城市空间规划中可能的应用前景，包括城市间关联度、城市空间交互度、城市土地利用与空间结构、城市各功能组团间的联系、城市功能混合度评估、土地投资开发、公共服务设施选址、空间利用等多个方面。
3.城市规划可视化的研究
随着大数据时代的到来，城市规划可视化已经不再局限于传统的方式，城市规划可视化需要满足时效性、操作简单、丰富的表现、多类数据集成等方面的要求。可通过GIS、VR、web GIS等软件在城市规划成果可视化、交通模型、景观园林、城市设计、建筑设计等方面做可视化方面的深入研究。
4.交通分析、评价的研究
利用大数据，可以从城乡各种交通方式时段、全天候、全周、全月以及多类不同天气条件下交通流量等的变化，分析区域各类交通方式的使用情况等。对城市公共交通运行、交通与用地协调度评价、交通管理效率、交通用地一体化等进行分析、研究。
3.总结与展望
遥感技术在城市规划设计与编制中的作用明显，将有力促进规划编制由 “小样本分析”到海量、多源、时空的数据搜集的转变；从“滞后化”到“实时化”的相应速度的转变；从““人工化”到“智能化”的决策辅助的转变；从“静态、蓝图式”到“动态、过程式”的实施过程的转变，更好的研究城市空间结构动态变化，辅助城市规划编制与决策支持，促进我国“数字城市”和“智慧城市”的建设，对于提高城市的环境、经济、社会等的综合效益，以及城市的可持续发展规划将起到十分重要的作用。