[发明专利]一种可扩展定义的时空数据统一组织方法

摘要

一种可扩展定义的时空数据统一组织方法，包括以下步骤：步骤A：根据高分时空数据特征分析，建立自适应扩展的元数据抽象模型；步骤B：高分元数据和实体数据的网格编码和组织关联；步骤C：基于GML规范的可扩展高分时空数据组织，针对不同数据来源的格式自定义多个GML文档大纲，实现GML格式集成的高分时空数据接口；以及步骤D：可视化实现可扩展定义的元数据和实体数据组织建模。

主权项

1.一种可扩展定义的时空数据统一组织方法，其特征在于，包括以下步骤：步骤A：根据高分时空数据特征分析，建立自适应扩展的元数据抽象模型；步骤B：高分元数据和实体数据的网格编码和组织关联；步骤C：基于GML规范的可扩展高分时空数据组织，针对不同数据来源的格式自定义GML文档的大纲，实现GML格式集成的高分时空数据接口；以及步骤D：可视化实现可扩展定义的元数据和实体数据组织建模；步骤B包括：子步骤B1：元数据和实体数据动态网格编码；以及子步骤B2：定义可扩展的元数据组织模型，关联元数据和实体数据；所述关联包括时间关联、空间关联、对象关联和/或内容关联；元数据和实体数据的关联关系如下式的五元组：S＝其中，ARt,ARs,ARo是一组关联规则，表达为一组逻辑推演规则；ARt是时间维度的关联规则，ARs是空间维度的关联规则，ARo是基于观测对象的关联规则；TF是时间特征，包括数据的生命周期或时间标识，SF是空间特征，包括数据的空间位置或区域范围；通过贝叶斯学习，完成关联关系模型的更新，引入序号n以Θn表示当前步骤n的遥感数据间关联关系的状态，以Xn＝{x1,x2…xn}表示当前数据集，以P(Θ0)表示关联模型初始状态的概率测度，假设Xn集内数据相互独立，则有后验概率其中，P(Θ_n)表示没有训练数据的先验概率，P(X_n)表示要观察的训练数据的先验概率，P(X_n|Θ_n)表示假设Θ_n成立的情况下观察到数据X_n的概率；考虑到数据的相互独立性，则有P(x_n|X_n‑1,Θ_n)＝P(x_n,Θ_n)，P(x_n|X_n‑1)为归一化常数，则有可以得到下式：条件概率P(xn|Θn)表示当前观测数据xn的似然度，P(Θn|Xn‑1)表示当前学习步骤的先验概率，且当n＝1时该先验概率为初始概率P(Θ0)；根据每次学习的后验知识得到下一次学习的先验知识，从而通过知识传递构成无限循环的状态更新过程；表示为：步骤D包括：子步骤D1：对观测对象的元数据类型定义和扩展；子步骤D2：对观测对象的实体数据定义和扩展；以及子步骤D3：高分时空数据模型的编辑、扩展和管理；在可扩展定义语法的元数据建模时，用户可以创建、编辑修改和删除各类元数据类型和元数据；元数据类型定义模块负责定义元数据类型，相同类型的元数据具有相同的数据结构和管理维护方式；功能包括创建元数据类型；编辑元数据类型；删除元数据类型；对象元数据定义；观测数据的元数据定义；元数据定义的扩展可以分为两个层面：自顶向下的数据衍生和自底向上的数据泛化；可扩展定义语法的元数据建模实现元数据定义的动态可扩展；对象元数据定义的扩展。