文献笔记5 review on RS & Hydrology

最新推荐文章于 2025-11-06 16:47:23 发布

原创

最新推荐文章于 2025-11-06 16:47:23 发布 · 310 阅读

0 ·

CC 4.0 BY-SA版权

本文探讨了大数据及机器学习如何推动环境与水资源管理的进步。重点介绍了遥感技术在水资源监测中的作用，以及利用大数据进行高效管理和分析的方法。讨论了包括MODIS、Landsat8等在内的多种遥感数据源，并概述了谷歌地球引擎等数据管理平台的功能。

本文主要记录水文遥感方面的综述文献笔记。

2018年发表在environmental research letters期刊（2020年影响因子6.096/Q1）上的一篇综述文章How can big data and machine learning benefit environment and water management: A survey of methods, applications, and future directions，主要介绍大数据和机器学习在水资源管理方面的发展情况和未来。

大数据特征（4V）：
high volume 数据采集、计算、存储量非常庞大。
high velocity 数据增长速度快，处理速度也快，获取数据的速度也要快。
high variety 种类和来源多样化。种类有：结构化、半结构化和非结构化数据等，常见的来源有：网络日志、音频、视频、图片等等。
high veracity 数据的准确性和可信赖度，即数据的质量。

3H：
high dimension 多维性
high complexity 高复杂性
high uncertainty 高不确定性

环境与水资源管理大数据包括：
（1）来自地球观测系统的高频数据产品；
（2）地面监测网收集的多传感器数据；
（3）通过多种仪器从野外实验中收集的大规模数据集；
（4）大型地球系统模型模拟的数据；
（5）来自社交媒体和公民科学的众包数据。

遥感格网数据格式一般包括：ASCII、GRIB(网格二进制)、netCDF(网络通用数据格式)和HDF(层次数据格式)。
格网数据：也被称为网格数据，是指计算机中以栅格结构存贮的内部数据，是扫描式数字化仪的直接产物，适用于屏幕显示和行式打印输出。在格网数据中，把研究范围分成大小均匀的格网矩阵。存贮的信息可以是点、线、面实体，也可以是指向该单元有关属性的指针。格网越小，精度越高，但存贮量越大。因格网是有规则排列的，故实体的坐标位置可隐含在格网的存储地址中。（