一種以陸表事件為中心的傳感器關聯方法
【專利摘要】本發明涉及智慧地球對地觀測【技術領域】，尤其涉及一種對地觀測網中陸表事件與多傳感器的關聯方法。本方法構建了‘陸表事件-傳感器’間的多維關聯規則，設計了基于時空約束的多層次匹配算法。本方法解決了現有的‘事件-傳感器’關聯方法主要依賴于以往經驗、專家知識、人工統計等的問題，本方法為陸表事件與傳感器的關聯提供了科學的匹配模式，改變過去傳感器規劃與調度不全面與不準確的局面。該‘事件-傳感器’的關聯匹配機制為傳感器規劃與調度所需的資源集來源提供了依據。因此，證明了本方法是智慧地球對地觀測網中促使海量、離散的傳感器資源得到充分合理發現與利用的比較實用可靠的科學方法。
【專利說明】一種以陸表事件為中心的傳感器關聯方法【技術領域】[0001]本發明涉及智慧地球對地觀測【技術領域】，尤其涉及一種以陸表事件為中心的傳感 器關聯方法，具體地說本方法涉及一種‘陸表事件-傳感器’的關聯問題，陸表事件是給定 的，其時間、空間、主題域的特征都是已知的，但要通過關聯得到的傳感器子集是不確定的， 它們呈‘休眠’態存在于傳感器資源描述模型庫中。因此，尋求兩者的關聯關系可以理解為: 從確定的給定對象(陸表事件)尋求未知的目標對象(傳感器資源集)的關聯匹配過程。【背景技術】[0002]傳感器技術作為現代信息技術的三大基礎之一，傳感器無所不在，它完成對地球 觀測信息的采集。美國《商業周刊》1999年8月30日一期刊登了一組系列文章，總題為《21 世紀的21種設想》，其中第十四篇為關于因特網的設想，指出地球將披上一層電子皮膚，其 中電子皮膚為形形色色的嵌入式電子傳感設備。據科學家估計，到2020年前后，世界上會 有7萬億個有線或無線的傳感器，它們通過網絡組織起來，以滿足人們的即時需要。2007年 ((Pervasive Computing))第六卷第二期的文章指出，如何對傳感器密集型的世界進行資源 管理是一個大的挑戰。對地觀測是利用對地觀測傳感器對地球表面和低層大氣進行探測， 以獲取用戶感興趣信息的科學任務。對地觀測網是執行地球環境事件感知任務的地理空間 觀測網。對地觀測網傳感器類型多樣、觀測機理各異、數量巨大。當發生特定災害事件，特 別是觀測現象多樣且時效性強的應急事件時，決策者能全面發現、準確規劃與快速調度海 量傳感器，這些對于決策的產生尤為關鍵。[0003]對于分布式的異源或同源數據，如何判斷它們之間或內部是否存在一種關聯關 系，通過該關聯關系，可以科學地解釋、準確地回答以及快速地響應特定的研究任務。因此， 從對地觀測陸表事件出發，在海量異構的傳感器資源中，關聯最適用的傳感器以進行事件 應急觀測是一大需要解決，并具有現實價值的問題。[0004]在發生特定陸表事件時，目前的傳感器規劃與調度所需的傳感器來源主要依靠以 下方式來確定:(I)推論統計型關聯分析，對于給定的一組數據，觀察者根據數據的形態建 立一個數學模型，推論型數據統計分析可以推論研究中的數據母體現狀與潛在趨勢。它旨 在把隱沒在一大批看來雜亂無章的數據中的信息集中、萃取和提煉出來，以找出所研究對 象的內在規律。它要求數據樣本足以代表母體，否則根據樣本所做出來的推論和結論容易 出現不全面、不深刻，甚至錯誤；(2)經驗型專家關聯分析，專家系統是通過以某一專有領 域專家解決問題的辦法作為知識庫，并采用特定的方法來編輯或生成這些知識，最后，用戶 可以通過計算機系統像專家一樣推理和解決復雜的領域問題。但該類關聯分析具有關聯 結構簡單，關聯推理僅僅是基于有限的經驗規則，難以應用于理論復雜和具有嚴密體系的 關聯；(3) Apriori關聯，它是最經典的關聯算法，它的核心提出頻繁集理論的遞推方法。 Apriori關聯建立在有樣本的前提下，尋找樣本內部兩項集或多項集間潛在的某種規律性 或關聯性。[0005]2012年，武漢大學的陳能成與胡楚麗提出了對地觀測衛星傳感器統一描述模型，其中描述了傳感器標識、能力特征等信息。對于陸表事件，目前沒有統一定義，更沒有其描 述模型。現行著名的傳感器關聯查詢系統或工具主要有美國AGI公司的STK、南卡羅萊納大 學遙感規劃(RSPT)、NASA GCMD地球觀測傳感器模糊關聯、日本的Satellite Tracker 3D 以及Google模糊查詢等。但它們不是從特定陸表事件觀測出發，并未能滿足傳感器關聯匹 配的查全率或查準率。[0006]綜上所述，以陸表事件為中心的傳感器關聯面臨的主要問題是:目前的關聯方法 主要依賴于以往經驗、專家知識、人工統計等，缺乏一種從事件到傳感器的關聯匹配機制， 從而導致對地觀測網中海量且離散的傳感器資源難以得到充分合理發現與利用。
【發明內容】
[0007]本發明的目的是針對現有技術的不足，而提出了一種以陸表事件為中心的傳感器 關聯方法。通過尋求‘陸表事件-對地觀測傳感器’的關聯性；建立了兩者間的多維度多層 次關聯規則；基于關聯規則，進一步設計了時空約束的多層次匹配算法。[0008]為實現上述目的，本發明所采用的技術方案是:提供一種以陸表事件為中心的傳 感器關聯方法，按如下步驟操作:步驟1:建立陸表事件與對地觀測傳感器的關聯規則；所述關聯規則包括以下子步驟: 步驟1.1:構建規則前件；步驟1.2:構建規則后件；步驟1.3:構建關聯所涉及的時間謂詞及邏輯；步驟1.4:構建關聯所涉及的空間謂詞及邏輯；步驟1.5:構建遙感非成像及原位傳感器直接關聯模式；步驟1.6:構建遙感成像傳感器間接關聯模式；步驟1.7:構建多維布爾型關聯過程；步驟2:設計基于時空約束的多層次匹配算法；所述的多層次匹配算法包括以下子步驟:步驟2.1:分析從給定的細粒度事件描述中動態地關聯求解符合需求的傳感器資源過 程，確立基于時空約束的多層次匹配即MM_TL算法流程；步驟2.2:第一級匹配，即基于時間謂詞邏輯的關聯匹配；步驟2.3:第二級匹配，即基于空間謂詞邏輯的關聯匹配；步驟2.4:第三級匹配，即基于主題維關聯解析，實現以陸表事件為中心的傳感器子集 最終關聯。[0009]本發明的方法步驟1.1中，所述的規則前件為發生在特定時間和空間且以感知 一系列物理現象為觀測任務的細粒度陸表事件；細粒度事件用一個四元組形式化描述:E= (ID, <T, L, Th〉}，其中，E為事件Event ；ID為事件的唯一標識碼；T為事件發生的時間Time， 為時間點或時間段；L為事件發生的地點Location，為任何形狀的區域；Th為事件對應的觀 測主題Thematic，指的是一個細粒度且能夠被分解的觀測任務；步驟1.2中，所述的規則后件為傳感器資源描述模型庫中具有特定觀測時效、區域以 及頻域的傳感器子集；對地觀測傳感器用一個四元組形式化表達，即Se= {ID，<T, Or, Sp>}， 其中，Se指傳感器Sensor ;ID為傳感器的唯一標識碼；T為傳感器的有效時間Time，為時間段；Or為傳感器的有效觀測范圍，為以某點為中心向外圍擴展的圓型區域或均勻的條帶； Sp為傳感器的頻譜能力，泛指不同類的傳感器的頻域；步驟1.3中，所述的構建關聯所涉及的時間謂詞及邏輯，是提取傳感器有效觀測時 間段Time(S)和事件發生的時間段Time(E)，構建關聯所涉及的三種時間謂詞，包括坐落 于一Is_located_in、部分坐落于一Is_Partly_located_in、不坐落于一Is_Not_located_ in ；以及兩者在時間謂詞上的邏輯，包括Time (E).1s_located_in.Time (E)、Time (E).1s_ partly_located_in.Time (E)和 Time (E).1s_Not_located_in.Time (E)；步驟1.4中，所述的構建關聯所涉及的空間謂詞及邏輯，是提取傳感器在特定的時間 范圍內有效的空間觀測區域Area(S)和事件發生的空間區域Area(E)，構建關聯所涉及的 四種空間謂詞，包括:相離一Disjoints、夕卜轉連接一Outside-Touches、包含一Contains、 相交一Crosses ；以及兩者在空間謂詞上的邏輯，包括Area (E).Disjoints.Area(S)、 Area (E).0utside-Touches.Area (S) > Area (E).Contains.Area (S) > Area (E).Crosses.Area ⑶；步驟1.5中，所述的遙感非成像及原位傳感器直接關聯模式，是只需提取出其觀測結 果，然后直接與事件所需監測的觀測現象進行關聯匹配；步驟1.6中，所述的構建遙感成像傳感器間接關聯模式，是提取出遙感傳感器影像相 關的處理模型或算法，以影像的不同波段作為輸入，判斷經過處理模型或算法后的輸出值 能否與事件所需監測的觀測現象進行關聯匹配，即多層次間接地從陸表事件關聯到適用的 遙感成像傳感器；步驟1.7中，所述的構建多維布爾型關聯過程為確立關聯過程與表達式，確定規則前 件事件E有3個特征{T，L, Th}與規則后件傳感器的能力特征SC有3個值，BP {T, Or, Sp}后， 將‘事件-傳感器’的關聯性描述為 R ={ j〈E.T, SC.T>, j〈E.L, SC.0r〉，j〈E.Th, SC.Sp> }， 求解關聯邏輯值 A= Vj〈E.T，SC.T>AVj<E.L, SC.0r>AVj<E.Th, SC.Sp>，構建‘事件-傳 感器’關聯規則蘊含表達式:E{T，L, Th} SC{T，Or, Sp} (C)，并設置規則關聯性C，有且僅有 在Vj<E.T, SC.T>、Vj〈E.L, SC.0r>以及Vj<E.Th, SC.Sp>取值都為I時，才能得到關聯性 C為‘真’。[0010]本發明的方法步驟2.1中，所述的確立MM_TL算法流程為時間謂詞邏輯的關聯匹 配、空間謂詞邏輯的關聯匹配和主題維關聯解析；步驟2.2中，所述的基于時間謂詞邏輯的關聯匹配為執行時間謂詞邏輯過濾，遍歷傳 感器資源描述模型庫，從每一個傳感器資源描述模型中提取傳感器的有效觀測時間要素， 求出所有滿足時間關系謂詞‘Is_located_in’和‘Is_Partly_located_in’的傳感器子集 S1_T ；步驟2.3中，所述的基于空間謂詞邏輯的關聯匹配為執行空間謂詞邏輯過濾，遍歷步 驟2.2中的S1_T集合，按照傳感器類型判斷傳感器觀測的有效空間范圍，與給定事件的空 間要素進行匹配，求出所有滿足空間關系謂詞‘Contains’和‘Crosses’的傳感器子集S2_ L ；步驟2.4中，所述的基于主題維關聯解析為執行主題維關聯規則的解析，遍歷步驟2.3 中的S2_L集合，當項集S2_L類型為原位傳感器或遙感非成像傳感器，提取出傳感器的觀 測結果；當項集32立類型為遙感成像傳感器，則遍歷該傳感器觀測影像后處理過程，以影像為處理模型的輸入，提取出其處理輸出結果；將以上兩種結果與給定陸表事件觀測現象所對應的溯源數據進行匹配，當前者能直接定量或定性反映后者，則統計出傳感器子集S3_ end。[0011]本發明相對于現有技術，具有以下優點和積極效果:(I)確立了 ‘陸表事件-傳感器’間多維關聯規則。改變過去關聯主要靠以往經驗、專家知識與人工統計的現狀，為陸表事件與傳感器的關聯提供了科學的匹配模式。[0012](2)實現了基于時空約束的多層次匹配。改變過去傳感器規劃與調度不全面與不準確的局面。該‘事件-傳感器’的關聯匹配機制為傳感器規劃與調度所需的資源集來源提供了依據，促使海量、離散的傳感器資源得到充分合理發現與利用。【專利附圖】

【附圖說明】[0013]圖1是本發明的以陸表事件為中心的傳感器關聯方法的流程圖。[0014]圖2是本發明的實施例提供的‘陸表事件-傳感器’時間謂詞邏輯分析圖。[0015]圖3是本發明的實施例提供的‘陸表事件-傳感器’空間謂詞邏輯分析圖。[0016]圖4是本發明的實施例構建的細粒度陸表事件與傳感器子集主題維關聯解析圖。[0017]圖5是本發明的實施例構建的MM_TL算法執行流程圖。[0018]上述圖中:1 一A事件發生的時間點；2—A事件發生的時間段；3—B事件發生的時間點；4一B事件發生的時間段；5—C事件發生的時間點；6—C事件發生的時間段；7—傳感器有效觀測時間段Time (S) ； 8一事件發生的時間段Time (E) ；9一原位傳感器a;10—原位傳感器b ; 11—原位傳感器c ； 12—原位移動或遙感移動傳感器d ; 13—原位移動或遙感移動傳感器e ; 14—原位移動或遙感移動傳感器f ; 15—原位移動或遙感移動傳感器g ；16— 事件發生的空間區域Area(E) ;17—原位傳感器觀測區。【具體實施方式】[0019]下面以具體實施例并結合附圖對本發明作進一步說明。[0020]實施例1:本發明提供的一種以陸表事件為中心的傳感器關聯方法，其操作步驟如圖1所示流程，包含確立多維關聯規則和設計基于時空約束的多層次匹配(Mult1-level Matching Algorithm based on Time and Location Constraints: MM_TL)算法。[0021]步驟1，建立陸表事件與對地觀測傳感器的關聯規則；具體包括:步驟1.1，構建規則前件:對于任何事件，它是由一系列細粒度事件綜合演變來的，事件存在時間、空間和主題維的屬性。細粒度事件用一個四元組形式化描述:E= (ID, <T, L, Th〉}，其中，E為事件Event ；ID為事件的唯一標識碼；T為事件發生的時間Time， 可以是時間點，也可為時間段；L為事件發生的地點Location，可以為任何形狀的區域；Th 為事件對應的觀測主題Thematic，指的是一個細粒度且可以被分解的觀測任務。對地觀測網中每一個陸表事件都應該得到相應的處置，本方法關注于通過實時的傳感器規劃與調度，完成陸表事件的全面、準確與及時的監測與響應。對于一個細粒度陸表事件中的觀測主題Th，要實現對它的監測與響應，可以理解為要感知一系列觀測現象，即Th=(Pl，P2^..，Pn)，Pn表示第η個觀測現象。因此，規則前件為發生在特定時間和空間且以感知一系列物理現象為觀測任務的細粒度陸表事件。[0022]步驟1.2，構建規則后件:任何對地觀測傳感器都具有一定的能力特性，因此它總 可以被關聯于某一些或特定的觀測任務。由于對地觀測傳感器存在時間，空間和主題維的 屬性，它們都可以用一個四元組形式化表達，即Se= {ID,〈T, Or, Sp>},其中，Se指的是傳感 器Sensor ;ID為傳感器的唯一標識碼；T為傳感器的的有效時間Time，一般指向時間段；0r 為傳感器的有效觀測范圍ObservaitonRange, —般為以某點為中心向外圍擴展的圓型區 域或均勻的條帶等；Sp為傳感器的頻譜能力Spectrum,泛指不同類的傳感器的頻域,如光 譜、聲譜、無線電譜等。由于本方法關注于‘陸表事件-傳感器’關聯所得到的傳感器集合， 即判斷傳感器與特定陸表事件的相關性。因此，規則后件為傳感器資源描述模型庫中具有 特定觀測時效、區域以及頻域的傳感器子集。[0023]步驟1.3，構建關聯所涉及的時間謂詞及邏輯:如圖2所示，假設線條7為傳感器 有效觀測時間段Time(S);虛線條8為事件發生的時間Time(E)，包括:圓點1、2、3分別為 A、B、C事件發生的時間點，線狀的條帶4、5、6為A、B、C事件發生的時間段。事件與傳感器 關聯在時間維存在六種情況，可分為三種時間關系謂詞邏輯:坐落于、部分坐落于以及不坐落于。[0024]1.坐落于(Is_located_in)對于任意E.1s_located_in.S,存在Time (E) e Time(S)。圖2中A、B事件發生時間 點1、3和A事件發生的時間段2的模式與傳感器有效觀測時間的關系符合該種謂詞邏輯。[0025]2.部分坐落于(Is_Partly_located_in)對于任意 Ε.Is_Partly_located_in.S，存在 Time(E) IHTime(S)幸 0 Λ Time (E) Time(S)。圖2中B事件發生的時間段4模式與傳感器有效觀測時間的關系符合該種謂詞 邏輯。[0026]3.不坐落于(Is_Not_located _in)對于任意 E.1s_Not_located_in.S,存在 Time(E) Π Time (S) =0。圖 2 中 C 事件發 生的時間點5和C事件發生的時間段6模式與傳感器有效觀測時間的關系符合該種謂詞邏輯。[0027]步驟1.4，構建關聯所涉及的空間謂詞及邏輯:如圖3所示，假設填充格子的矩形 為事件發生的空間區域Area(E) 16，其它幾種形狀為傳感器在特定的時間范圍內有效的空 間觀測區域Area(S)。其中3個中間空心圓點分別表示原位傳感器a 9、原位傳感器b 10、 原位傳感器c 11，以各中間空心圓點為定點向四周觀測輻射的大圓圈是原位傳感器觀測區 17 ;原位移動或遙感移動傳感器d 12、原位移動或遙感移動傳感器e 13、原位移動或遙感 移動傳感器f 14、原位移動或遙感移動傳感器g 15則表示這些原位移動或遙感移動傳感 器在特定時間內的觀測情況。如圖3所示，Area(E)和Area⑶之間存在四種空間關系謂 詞，邏輯包括:相離、外轉連接、包含、相交。[0028]1.相離(Dis joints)兩種空間區域的交集，對于任意E.Disjoints.S,存在Area(E) Π Area(S)= 0。圖3 中的原位傳感器a 9和原位移動或遙感移動傳感器g 15的空間觀測區域與事件發生的空 間區域Area(E) 16屬于此類空間謂詞邏輯。[0029]2.外圍連接(Outside-Touches)該種空間關系謂詞為特殊的相離，對于任意E.0utside-Touches.S,存在Area(E) Π Area(S) Φ 0，但是除了有相連的邊，并無任何相交的區域。圖3中的原位移動 或遙感移動傳感器f 14的空間觀測區域與事件發生的空間區域Area(E) 16屬于此類空間 謂詞邏輯。[0030]3.包含(Contains)對于任意 E.Contains.S，存在 Area(E) Π Area (S) Φ.Λ Area (E) Π Area (S)= Area(S)。圖3中的原位傳感器b 10和原位移動或遙感移動傳感器d 12的空間觀測區 域與事件發生的空間區域Area(E) 16屬于此類空間謂詞邏輯。值得注意的是，該空間關 系謂詞還包括一種特殊的Inside-Touches邏輯，與Outside-Touches相反，兩種空間區 域的交集，除了有相連的邊，并且存在Area(E) H Area(S)= Area(S)，因此，這里沒有將 Inside-Touches關系謂詞單獨羅列出來。[0031]4.相交(Crosses)對于任意 Ε.Crosses.S，存在 Area (E) Π Area(S)幸 Λ Area(E) Π Area(S)幸 Area(S) Λ Area(E) Π Area(S) Φ Area(E)。圖3中的原位傳感器c 11和原位移動或遙 感移動傳感器e 13的空間觀測區域與事件發生的空間區域Area(E) 16屬于此類空間謂詞 邏輯。[0032]步驟1.5，構建遙感非成像及原位傳感器直接關聯模式:對于遙感非成像及原位 傳感器而言，它們的輸出即為觀測現象的結果值，如遙感式雷達高度計的觀測輸出為海水 深度，原位雨量傳感器的觀測輸出為降雨量等，就直接是相應觀測現象的結果值。因此，對 于遙感非成像及原位傳感器，它們的觀測結果與事件所需的監測數據直接相關。如圖4所 示，只需提取出其觀測結果，即可直接與事件所需監測的觀測現象進行關聯匹配。[0033]以洪澇事件為例，如表I所示，在洪澇的應急響應環節，相對的細粒度事件包括洪 水態勢發展與洪水淹沒等，需要觀測的主題包括水情、雨情、淹沒范圍、淹沒面積、水深以及 容積等。不同的觀測主題需要其相應的數據產品，這些數據產品可以溯源為一系列具體數 據，如數據產品-水情監測結果可以溯源為水位、流量、蒸發量與流速；洪水淹沒范圍與面 積可以溯源為洪水水體提取圖。其中，水位則是通過水位傳感器直接觀測得到，也就是說， 水位觀測數據直接關聯于原位型水位傳感器。[0034]步驟1.6，構建遙感成像傳感器間接關聯模式:對于遙感成像傳感器而言，它們的 輸出為光譜頻段不一致的影像，如:遙感傳感器觀測系統AQUA_M0DIS，它的觀測結果為包 含36個波段的多光譜影像；E0-l_HyperiOn的觀測結果為包含256個波段的高光譜影像 等。這些影像對于普通用戶來說，它并不能被識別出有用信息。遙感之所以能夠根據收集 到的電磁波來判斷地物目標以及自然現象，是因為不同類型的地表物體對于電磁的反射和 輻射程度不一樣。也就是說，不同的電磁波段適用于識別不同的物體對象。[0035]然而在實際情況中，相同的影像通過不同的處理算法，可以應用于不同的監測現 象，如:歸一化水指數(Normal Differential Water Index:NDWI)處理模型，它的輸入 是綠波段與近紅外波段，通過歸一化比值解算后，能得到植被的含水量；歸一化植被指數 (Normalized Difference Vegetation Index:NDVI)處理模型，它卻通過以紅波段與近紅 外波段為輸入后，可以得到植被覆蓋的比值指數。即通過相關的遙感影像處理模型，將影像 的不同波段作為處理模型的輸入，經過處理方法的解算，得到能與實際所需監測現象相關 的結果值。[0036]在實際情況中，沒有人會根據所需監測的現象直接關聯影像，但比如一個地區的 洪水分布范圍情況，它可以通過以MODIS影像為輸入數據，經過NDWI處理方法解算出該地 區水體、植被與土壤分布圖，進而與之關聯。也就是說，遙感成像傳感器本身的影像輸出是 不能、往往也不被用來直接與事件所需的監測現象關聯匹配，只有通過相關的遙感處理模 型，以影像的不同波段作為輸入，其輸出值才能與事件進行關聯。因此，對于未能通過直接 觀測得到的溯源數據，如遙感成像傳感器，它們的影像并不直接關聯于事件所需的溯源數 據，如圖4所示，根據遙感影像適用的處理模型或算法，進而通過處理輸入所需的光譜波段 為源，多層次間接地從陸表事件關聯到適用的遙感成像傳感器。[0037]表I ‘洪澇事件-傳感器’關聯模式片段
【權利要求】
1.一種以陸表事件為中心的傳感器關聯方法，其特征在于:按如下步驟操作:步驟1:建立陸表事件與對地觀測傳感器的關聯規則；所述關聯規則包括以下子步驟: 步驟1.1:構建規則前件；步驟1.2:構建規則后件；步驟1.3:構建關聯所涉及的時間謂詞及邏輯；步驟1.4:構建關聯所涉及的空間謂詞及邏輯；步驟1.5:構建遙感非成像及原位傳感器直接關聯模式；步驟1.6:構建遙感成像傳感器間接關聯模式；步驟1.7:構建多維布爾型關聯過程；步驟2:設計基于時空約束的多層次匹配算法；所述的多層次匹配算法包括以下子步驟:步驟2.1:分析從給定的細粒度事件描述中動態地關聯求解符合需求的傳感器資源過程，確立基于時空約束的多層次匹配即MM_TL算法流程；步驟2.2:第一級匹配，即基于時間謂詞邏輯的關聯匹配；步驟2.3:第二級匹配，即基于空間謂詞邏輯的關聯匹配；步驟2.4:第三級匹配，即基于主題維關聯解析，實現以陸表事件為中心的傳感器子集最終關聯。
2.根據權利要求1所述的一種以陸表事件為中心的傳感器關聯方法，其特征在于: 步驟1.1中，所述的規則前件為發生在特定時間和空間且以感知一系列物理現象為觀測任務的細粒度陸表事件；細粒度事件用一個四元組形式化描述:E= {ID，〈T，L，Th>}， 其中，E為事件Event ;ID為事件的唯一標識碼；T為事件發生的時間Time，為時間點或時間段山為事件發生的地點Location，為任何形狀的區域；Th為事件對應的觀測主題 Thematic,指的是一個細粒度且能夠被分解的觀測任務；步驟1.2中，所述的規則后件為傳感器資源描述模型庫中具有特定觀測時效、區域以及頻域的傳感器子集；對地觀測傳感器用一個四元組形式化表達，即Se= {ID，<T, Or, Sp>}， 其中，Se指傳感器Sensor ;ID為傳感器的唯一標識碼；T為傳感器的有效時間Time，為時間段；Or為傳感器的有效觀測范圍，為以某點為中心向外圍擴展的圓型區域或均勻的條帶； Sp為傳感器的頻譜能力，泛指不同類的傳感器的頻域；步驟1.3中，所述的構建關聯所涉及的時間謂詞及邏輯，是提取傳感器有效觀測時間段Time(S)和事件發生的時間段Time(E)，構建關聯所涉及的三種時間謂詞，包括坐落于一Is_located_in、部分坐落于一Is_Partly_located_in、不坐落于一Is_Not_located_ in ；以及兩者在時間謂詞上的邏輯，包括Time (E).1s_located_in.Time (E)、Time (E).1s_ partly_located_in.Time (E)和 Time (E).1s_Not_located_in.Time (E)；步驟1.4中，所述的構建關聯所`涉及的空間謂詞及邏輯，是提取傳感器在特定的時間范圍內有效的空間觀測區域Area(S)和事件發生的空間區域Area(E)，構建關聯所涉及的四種空間謂詞，包括:相離一Disjoints、外轉連接一Outside-Touches、包含一Contains、 相交一Crosses ；以及兩者在空間謂詞上的邏輯，包括Area (E).Disjoints.Area(S)、 Area (E).0utside-Touches.Area (S)、Area (E).Contains.Area (S)、Area (E).Crosses.Area ⑶；步驟1.5中，所述的遙感非成像及原位傳感器直接關聯模式，是只需提取出其觀測結果，然后直接與事件所需監測的觀測現象進行關聯匹配；步驟1.6中，所述的構建遙感成像傳感器間接關聯模式，是提取出遙感傳感器影像相關的處理模型或算法，以影像的不同波段作為輸入，判斷經過處理模型或算法后的輸出值能否與事件所需監測的觀測現象進行關聯匹配，即多層次間接地從陸表事件關聯到適用的遙感成像傳感器；步驟1.7中，所述的構建多維布爾型關聯過程為確立關聯過程與表達式，確定規則前件事件E有3個特征{T，L, Th}與規則后件傳感器的能力特征SC有3個值，即{T，Or, Sp) 后，將‘事件-傳感器’的關聯性描述為 R= { j〈E.T, SC.T>, j〈E.L, SC.0r〉，j〈E.Th, SC.Sp>}， 求解關聯邏輯值 A=Vj<E.T, SC.Τ> Λ Vj<E.L, SC.0r> Λ Vj<Ε.Th, SC.Sp>,構建‘事件-傳感器’關聯規則蘊含表達式:E {T, L, Th} 4 SC {T, Or, Sp} (C)，并設置規則關聯性C，有且僅有在 Vj<E.T, SC.T>、Vj<E.L, SC.0r>以及Vj<E.Th, SC.Sp>取值都為I時，才能得到關聯性C為嗔，。
3.根據權利要求1所述的一種以陸表事件為中心的傳感器關聯方法，其特征在于:步驟2.1中，所述的確立MM_TL算法流程為時間謂詞邏輯的關聯匹配、空間謂詞邏輯的關聯匹配和主題維關聯解析；步驟2.2中，所述的基于時間謂詞邏輯的關聯匹配為執行時間謂詞邏輯過濾，遍歷傳感器資源描述模型庫，從每一個傳感器資源描述模型中提取傳感器的有效觀測時間要素， 求出所有滿足時間關系謂詞‘Is_located_in’和‘Is_Partly_located_in’的傳感器子集 S1_T ；步驟2.3中，所述的基于空間謂詞邏輯的關聯匹配為執行空間謂詞邏輯過濾，遍歷步驟2.2中的S1_T集合，按照傳感器類型判斷傳感器觀測的有效空間范圍，與給定事件的空間要素進行匹配，求出所有滿足空間關系謂詞‘Contains’和‘Crosses’的傳感器子集S2_ L ；步驟2.4中，所述的基于主題維關聯解析為執行主題維關聯規則的解析，遍歷步驟2.3 中的S2_L集合，當項集S2_L類型為原位傳感器或遙感非成像傳感器，提取出傳感器的觀測結果；當項集S2_L類型為遙感成像傳感器，則遍歷該傳感器觀測影像后處理過程，以影像為處理模型的輸入，提取出其處理輸出結果；將以上兩種結果與給定陸表事件觀測 現象所對應的溯源數據進行匹配，當前者能直接定量或定性反映后者，則統計出傳感器子集S3_ end。
【文檔編號】G06F17/30GK103559187SQ201310362002
【公開日】2014年2月5日 申請日期:2013年8月19日 優先權日:2013年8月19日
【發明者】胡楚麗, 陳能成, 李佳, 關慶鋒 申請人:中國地質大學（武漢）