2. 地球空间信息技术协同创新中心, 湖北 武汉 430079;
3. 长江航道局, 湖北 武汉 430010
2. Collaborative Innovation Center of Geospatial Technology, Wuhan 430079, China;
3. Changjiang Waterway Bureau, Wuhan 430010, China
人类80%的活动与空间信息有关,空间信息已经渗透到各行各业,伴随着人们的生产生活。然而,长期以来,地球空间信息服务处于静态、滞后和单一的局面,无法反映现场实况,无法满足综合监测预警与决策支持的实时信息服务需求,具体表现在以下4个方面:
(1) 传感网[1-2]是空间信息实时动态获取的重要手段之一,空天地传感器、观测数据和观测事件等传感网资源呈现出观测模式不同、节点类型多样、观测尺度差异大等特征。国内外在GIS空间数据模型方面取得了重要进展,但仍然存在传感网与GIS相互脱节、空天地传感器难于耦合等难题。为了实现空间无缝时间连续的综合监测,迫切需要研究面向对地观测传感网的综合集成管理信息模型。
(2) 最近10年,GIS长期以在线静态服务模式提供“过时”的时空信息,对地观测传感网实现了“空天地”一体化实时动态信息获取,需要管理和优化传感网布局,突破高频高通量流式观测接入、控制、预警和决策等技术瓶颈,实现对地观测传感网的实时接入、高效服务和预警决策。
(3) 传统监测方法通过互联网与监测设备及系统的连接通常是单向的,监测时间和周期难以控制,需要研究基于“互联网+传感网”技术,集成空天地监测传感器,构建对地观测传感网与地理信息服务之间的双向连接,形成事件感知即服务监测体系,实现广域环境下传感器的智能互联和实时感知。
(4) 近年来,国务院将长江等水资源管理、内河水运发展和生态文明治理定为国家发展战略,长江上游水库群和水电站建设如火如荼,长江干线数字航道建设正在提速,然而缺乏即时的时空信息共享技术,蓄水发电、防汛抗旱和安全通航水位尺度维护矛盾较为突出。另外,地理信息系统从20世纪90年代末的数据共享发展到了21世纪初的功能互操作,尚缺乏能提供鲜活空间信息和实现快速辅助决策的传感网GIS平台,以实现空天地传感器、数据整合分析和模型决策预警一体化,以满足蓄水发电、防汛抗旱和安全通航等日常管理、公共服务和应急决策实时、动态和综合的时空信息需求。
针对上述问题,笔者所在团队围绕空天地平台观测共享集成管理和时空信息高效服务难题系统开展模型和技术研究,攻克了基于对地观测传感网的最大时空覆盖优化布局、任务反馈控制、流式观测实时接入和动态仿真与预警决策支持的实时动态GIS技术瓶颈,构建了空天地集成化的长江流域典型区域传感网,成功应用于长江流域通航、防洪和发电应用。
1 实时动态网络地理信息系统关键技术 1.1 空天地平台异质观测共享集成管理技术针对传感网异质资源与GIS耦合问题,提出了传感网观测共享信息模型(见图 1),实现了面向航道、水文、土壤和气象综合监测的空天地平台32种传感器大规模集成管理和共享应用,具体包含:
(1) 面向感知节点的观测过程、观测数据和观测对象信息共享和精准管理问题,提出了体现时空特征和事件过程的传感网观测共享信息模型[3-6]:传感器观测过程信息描述模型、观测数据描述模型、观测事件信息描述模型和动态观测能力指数模型,建立了与GIS通用数据模型的无缝集成表达,评估了传感器在特定任务下的观测能力,实现了不同观测任务与观测能力的定量映射。
(2) 统一时空框架下的节点资源高效管理是传感网与GIS无缝集成的技术关键,通过刻画传感网感知单元、处理算法和应用模型3类资源标识、特征、时空和能力等9方面信息,屏蔽了传感网系统底层硬件差异,实现了传感网3类资源的全网统一描述和虚拟化管理[7]。
(3) 动态耦合不同机理的空天地观测资源是综合监测的关键技术之一,建立了观测系统级耦合模型、日常松耦合及应急紧耦合的监测新模式[8]。通过信息模型和开放接口总线,屏蔽了观测系统接口和处理算法差异,实现了观测、处理算法和应用模型的动态聚合;提出了顾及应急事件全生命周期的多星多尺度互补增强和星地时间同步空间互补增强观测方法,实现了全国、流域和区域不同尺度高空间分辨率(国产卫星达16 m,地面传感网达3 m)和高时间分辨率(卫星达天级、地面传感网达秒级)的地表环境动态感知[9-10]。
与IEEE 1451、ISO 19130和OGC O&M[11]相比,观测共享信息模型实现了观测过程与GIS数据模型的融合表达,解决了综合监测传感器、观测数据和观测事件的共享表征和精准管理问题。与OGC SensorML[12]、W3C MathML和ebRIM等单一资源信息模型相比,异构节点模型将不同类型传感网资源纳入一个标准框架内进行统一表征,从更宏观层次上对传感网资源进行抽象聚合,解决了异构节点资源的虚拟组织和集成。与美国NASA传感网[13]、欧盟传感网SANY[14]和OGC传感网SWE[1]相比,紧耦合监测模式实现了空天地观测的动态聚合。
1.2 传感网实时动态时空信息高效服务技术针对传感网接入、信息服务和预警决策问题,研究了基于最大覆盖的传感网优化布局[15-17]、多信道联合感知实时接入[18-19]、面向任务的反馈控制[20-21]、资源服务组合预警[22-24]和动态模拟仿真决策支持[25-26]等关键技术,将空间信息服务拓展到了传感端和决策端。
(1) 天地观测资源优化配置是N-P解算难题,基于最大覆盖思想和观测能力信息模型,提出了一种考虑地形影响和特殊选址要求的“点观测-面覆盖”型传感网站点(雨量站)最大覆盖模型,形成了面覆盖观测优化布局方法,空间覆盖度提高了15%;提出了一种基于线目标交点集的“点观测-线覆盖”型传感网站点(流量站)最大覆盖模型,形成了线覆盖观测优化布局方法,空间覆盖度提高了17%;充分发挥卫星空间连续时间离散和地面传感器时间连续空间离散的观测互补性,提出了星地时空协同观测优化布局方法T-MCLP,观测时空综合覆盖度提高了18%,实现了卫星-地面感知节点的时空连续覆盖。
(2) 针对空天地异构平台传感器感知手段多样、通信协议各异和难以在网络环境下快速、无缝和智能接入的问题,提出了多用户多信道联合感知模型,发展了多用户协作感知多信道的任务优化分配策略和多用户感知信息融合方法,在保证观测精度的前提下,有效缩短了多信道感知时间达20%;提出了智能传感器通用模型和传感网信息模型的语义整合方法,实现了物理接口、通信协议与传感网服务接口的一体化整合,建立了基于IEEE 1451、WiFi、ZigBee、Bluetooth、GPRS和Modbus等协议的传感网服务;提出了流式观测数据并行接入与动态存储方法,设计了支持非关系数据库和动态索引的MongoSOS,实现了高通量遥感数据和高频率传感数据的高速、不间断接入和存储,亿级观测记录的接入效率比国外最好方法德国52nSOS提高了一个数量级。
(3) 针对任务驱动的传感网双向反馈控制难点,在传感网观测规划方面,提出了虚拟传感器服务网的概念,发展了数据中心与观测系统一体化规划方法,实现了基于服务的实时、准实时和存档等观测数据源的统一规划,扩大了传感网数据源时域上的获取范围;在传感网观测获取方面,提出了多平台多传感器柔性观测服务方法,实现了卫星遥感存档数据、智能原位传感器和无线传感器网络实时观测数据的即时共享服务;在传感网控制方面,提出了基于互联网的多源异质传感器在线规划控制方法,实现了任务驱动的、闭环的、基于反馈的在线操作和控制。
(4) 针对对地观测传感网观测支持事件的即时预警,提出了“多元观测网络聚合事件提取”和“事件全生命周期观测”方法,突破了基于BPEL服务链、RESTful资源链和SensorML过程链的多任务并行组合事件提取与预警技术瓶颈。
(5) 针对对地观测传感网的决策支持实时仿真问题,提出了一套基于虚拟地球、仿真引擎和专业应用模型的观测平台、数据、事件和过程的实时动态仿真方法,实现了卫星平台、无人机、地面传感器网络和不规则河道以及天气灾害、泥沙淤积、河床演变、洪水演进等决策过程的动态模拟仿真。
相比于国外传感网服务的资源发现效率低、精度差、类型单一、资源可用性低和时效性差等缺陷,笔者所在团队提出的传感网优化配置方法空间覆盖度均提高15%以上、感知效率提高了20%、服务效率提高了一个数量级。
1.3 基于“互联网+”模式的智能感知技术针对空天地监测传感器智能互联与实时感知问题,笔者所在团队提出了基于“互联网+”模式的地表位移、土壤湿度、水位、航标等多种智能感知方法,实现了航标水位等传感器的智能互联和实时感知,连接遥感数据系统、无人机观测系统和长江干线航标水位综合观测网,形成了空天地集成化虚实结合的长江流域典型区域对地观测传感网,如图 2所示。
(1) 针对小区域地表位移监测时间持续性差的问题,研发了地表位移监测无线传感器网络,部署在三峡库区野猫面;针对卫星遥感重返周期长的问题,利用GNSS卫星全球分布特点,提出并实现了利用GNSS信号反演湿度的算法,研制了GNSS-R反射信号新型接收装置;针对航标遥测遥控终端工作时容易受水渗透,造成设备不能正常工作甚至损坏的问题,提出一种SIM卡外置且拥有防水透气阀的航标遥测遥控终端,且与长江航道局监控中心服务器直接通信相连;上述新型设备和传感器网络通过互联网与远程服务器的传感器观测服务SOS集成,实现了双向连接和互联网控制。
(2) 针对长江流域观测平台相互关联缺乏的问题,以长江流域上游蓄水发电、中游水库群调度、干线航标和沿线土壤气象综合监测为需求,提出并建设了耦合遥感数据系统、长江干线航标水位综合观测网、气象、土壤、水文观测站和机动无人机等分布式观测系统的长江流域典型区域空天地集成化传感网。该广域传感网共接入32种空天地观测资源,利用国产高分遥感卫星生成了长江流域典型区域土壤湿度和归一化水体指数产品,接入服务中心的观测记录达亿条。
该传感网耦合了分布式的空天地观测系统软硬件,在观测能力上实现了耦合集成和即时服务。该方法同美国阿拉巴马大学亨茨维尔分校地表监测传感器网络、欧空局的监测系统相比,在观测空间范围和感知信息种类方面,具有更强的扩展性;观测数据以标准的信息模型和服务接口直接与网络GIS平台互联。
1.4 面向对地观测传感网的实时动态GIS平台——GeoSensor基于观测共享信息模型、感知服务关键技术和传感网基础设施,项目组从2006年开始,历时5年成功研制了实时动态GIS平台——GeoSensor。它既是传感网资源集成管理系统,也是传感网地理信息服务平台,更是传感网辅助分析仿真模拟工具,具有以特色:① 具有与专业观测系统集成的能力,能够集成空天地多行业多观测平台多协议的异构传感器;② 具有观测全过程共享的能力,可以实现互联网环境下观测环境、观测平台、观测数据、观测产品的网络即时共享;③ 与空间信息系统无缝集成应用,通过对传感网服务注册中心的访问,实时获取观测服务元信息,在虚拟地球或天地图环境下实现观测服务的集成应用,大大拓宽了地理信息即时应用服务的能力;④ 具备辅助决策与模拟仿真功能,结合专业辅助决策模型,实现了灾害天气、河演分析、泥沙淤积和洪水演进等流域复杂过程的模拟仿真。
GeoSensor与国外同类型软件Esri的GeoEvent、微软的SensorMap和德国的52° North等相比(见表 1),GeoSensor支持卫星、航空和地面3类异构平台不同观测机理的传感器建模与管理;支持多种协议传感器和观测数据的实时动态接入,具备接入、注册、检索、控制、规划和制图功能;不仅具备虚拟地球的功能,同时具备观测场景、平台、数据和模型的动态可视化与仿真功能。实现了传感网信息模型和GIS数据模型、传感网服务接口和地理信息服务接口、传感网资源和二、三维GIS的集成,推动了地理信息技术从面向互联网开放式在线共享到面向传感网即时共享的发展。
指标 | GeoSensor(中国武汉大学) | GeoEvent(美国Esri) | SensorMap(美国微软) | 52°North(德国) |
观测数据模型 | 支持OGC标准,并进行了扩展 | 支持OGC标准 | 不支持OGC标准 | 支持OGC标准 |
观测建模方法 | 半自动 | 手工 | 手工 | 手工 |
观测接入 | 空天地传感器实时动态接入 | 支持原位传感器 | 支持原位传感器 | 空天地传感器实时动态接入 |
观测可视化 | 场景、传感器与数据 | 数据 | 场景、传感器 | 传感器、数据 |
服务接口 | 支持SOS、SPS | 支持SOS | 支持SOS | 支持SOS、SPS |
服务组合预警 | BPEL、RESTful和SensorML半自动组合 | BPEL半自动组合 | 不支持 | BPEL半自动组合 |
决策支持过程 | 灾害天气、河演分析、泥沙淤积和洪水演进 | 灾害天气和洪水演进 | 不支持 | 不支持 |
2 典型应用
GeoSensor软件平台已在金沙江下游梯级水电站管理、长江上游水库群信息共享和长江干线航道监测与辅助分析等开展了应用,实现了卫星和无人机数据的动态接入,水文、气象与航标等观测信息的实时接入、多元观测数据高效处理、公共信息服务和灾害天气、河演分析、泥沙淤积及洪水演进过程动态模拟仿真,在蓄水发电、防汛抗旱和安全通航等综合监测与决策预警发挥了重要作用。
2.1 长江干线航道安全通航应用长江干线航道监测与辅助分析系统集成了航标遥测监控系统和水位遥测遥报系统,具有水位航标、航道环境实时信息接入,航标遥测监控和异常报警,水位预测预报和异常自动报警,航道维护尺度监测和预警,航道演变分析和航标配布等功能,实现了长江航道由传统管理方式向“互联网+”模式转变,在航道资源信息共享和辅助决策等方面发挥了支撑作用,提升了长江航道日常管理效率、对外公共服务水平和应急处置能力。
2.2 长江上游水库群信息共享应用长江上游水库群信息共享平台集成了遥感和气象卫星动态观测数据,接入21座水库群的水位、降雨量、流量和流速等传感器数据,实现了长江上游各控制性大型水库实时信息、预报调度信息以及流域内水雨情信息的即时共享,为上游水库群联合调度提供了信息共享与辅助决策支撑,提高了防汛决策执行效率。
2.3 金沙江流域新型梯级水电站建设管理应用金沙江下游梯级水电站水文泥沙数据库及信息管理分析系统接入金沙江水情和气象站点,集成了水文、泥沙、气象、遥感等动态观测数据,封装了水文泥沙分析与计算、水动力模型计算、河道演变预测等模型,支持河演分析、泥沙淤积和洪水演进等三维可视化与仿真,在金沙江下游梯级水电站的规划、施工和运行各阶段发挥了重要的监测分析与预警决策支持作用。
3 结论与展望随着天地一体化网络的建设和更多的高分辨率光学和雷达卫星的发射与组网,天地传感器日益增多。本文针对当前空天地一体化对地观测传感网资源集成管理和信息实时服务技术瓶颈,通过产学研结合,突破了对地观测传感网的共享管理、优化布局、实时接入、反馈控制、组合预警和可视化与仿真核心关键技术,建立了面向对地观测传感网的实时动态GIS共享模型、技术体系和软硬件平台,实现了“互联网+”时空信息在线感知服务,并在长江流域防汛抗旱、金沙江下游梯级水电站蓄水发电、长江干线“数字航道”建设等发挥了重要作用,增强了流域公共服务和应急处置能力。未来将基于对地观测传感网的实时动态海量观测数据,进一步开展大数据分析和挖掘研究,提高传感网认知水平,并针对智慧城市(群)和长江经济带建设开展更大规模的推广应用。
致谢: 本文的部分工作由武汉大学王伟教授、卜方玲副教授和严颂华副教授,中国地质大学胡楚丽副教授和王珂博士,长江水利委员会水文局王伟和肖志远高工,长江航道局张晏方和祝宁高工,中国长江三峡集团公司董先勇博士以及武汉吉嘉伟业科技发展有限公司王鹏博士等完成,在此一致表示感谢。
[1] | BRÖRING A, ECHTERHOFF J, JIRKA S, et al. New Generation Sensor Web Enablement[J]. Sensors, 2011, 11(3): 2652–2699. |
[2] | DELIN K A, JACKSON S P. Sensor Web:A New Instrument Concept[C]//Proceedings of SPIE 4284, Functional Integration of Opto-Electro-Mechanical Devices and Systems. San Jose, CA:SPIE, 2001:192-199. http://adsabs.harvard.edu/cgi-bin/nph-data_query?bibcode=2001SPIE.4284....1D&db_key=PHY&link_type=ABSTRACT |
[3] | CHEN Nengcheng, HU Chuli. A Sharable and Interoperable Meta-model for Atmospheric Satellite Sensors and Observations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(5): 1519–1530. DOI:10.1109/JSTARS.2012.2198616 |
[4] | CHEN Nengcheng, LIU Yingbing, LI Jia, et al. A Spatio-temporal Enhanced Metadata Model for Interdisciplinary Instant Point Observations in Smart Cities[J]. ISPRS International Journal of Geo-Information, 2017, 6(2): 50. DOI:10.3390/ijgi6020050 |
[5] | CHEN Nengcheng, DU Wenying, SONG Fan, et al. FLCNDEMF:An Event Metamodel for Flood Process Information Management Under the Sensor Web Environment[J]. Remote Sensing, 2015, 7(6): 7231–7256. DOI:10.3390/rs70607231 |
[6] | CHEN Nengcheng, ZHANG Xiang. A Dynamic Observation Capability Index for Quantitatively Pre-Evaluating Diverse Optical Imaging Satellite Sensors[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(2): 515–530. DOI:10.1109/JSTARS.2013.2293174 |
[7] | CHEN Nengcheng, WANG Ke, XIAO Changjiang, et al. A Heterogeneous Sensor Web Node Meta-model for the Management of a Flood Monitoring System[J]. Environmental Modelling & Software, 2014, 54: 222–237. |
[8] | LI Deren, ZENG Linglin, CHEN Nengcheng, et al. A Framework Design for the Chinese National Disaster Reduction System of Systems (CNDRSS)[J]. International Journal of Digital Earth, 2014, 7(1): 68–87. DOI:10.1080/17538947.2013.783634 |
[9] | ZHANG Xiang, CHEN Nengcheng, CHEN Zhihong. Spatial Pattern and Temporal Variation Law-based Multi-sensor Collaboration Method for Improving Regional Soil Moisture Monitoring Capabilities[J]. Remote Sensing, 2014, 6(12): 12309–12333. DOI:10.3390/rs61212309 |
[10] | CHEN Nengcheng, LI Jizhen, ZHANG Xiang. Quantitative Evaluation of Observation Capability of GF-1 Wide Field of View Sensors for Soil Moisture Inversion[J]. Journal of Applied Remote Sensing, 2015, 9(1): 097097. DOI:10.1117/1.JRS.9.097097 |
[11] | COX S. OGC Implementation Specification 07-022r1:Observations and Measurements:Part 1:Observation Schema[R]. Wayland, MA:Open Geospatial Consortium, 2007. https://www.researchgate.net/publication/245585215_OGC_Implementation_Specification_07-022r1_Observations_and_Measurements-_Part_1_-_Observation_schema |
[12] | BOTTS M, ROBIN A. OpenGIS Sensor Model Language (SensorML) Implementation Specification; OGC® 07-000[R]. Wayland, MA:Open Geospatial Consortium, Inc., 2007. http://www.researchgate.net/publication/242410772_OpenGIS_Sensor_Model_Language_(SensorML)_Implementation_Specification |
[13] | MOE K, SMITH S, PRESCOTT G, et al. Sensor Web Technologies for NASA Earth Science[C]//Proceedings of 2008 IEEE Aerospace Conference, Big Sky, MT:IEEE, 2008:1-7. https://www.researchgate.net/publication/224314639_Sensor_Web_Technologies_for_NASA_Earth_Science?_sg=9lqdWo8KEjk_ZocbOeWXn85nsQdkbIq2hLX7bnKUKdEh98aPSRvb-QKAsfBOjCNSsBMb6wvYZve4ZL0q8DRoMA |
[14] | RALF Denzer E I G, STEVENOT G B, SPACEBEL S A. SANY (Sensors Anywhere) Integrated Project[J]. Environmental Software Systems, 2014: 140. |
[15] | WANG Ke, CHEN Nengcheng, TONG Daoqin, et al. Optimizing Precipitation Station Location:A Case Study of the Jinsha River Basin[J]. International Journal of Geographical Information Science, 2016, 30(6): 1207–1227. DOI:10.1080/13658816.2015.1119280 |
[16] | WANG Ke, CHEN Nengcheng, TONG Daoqin, et al. Optimizing the Configuration of Streamflow Stations Based on Coverage Maximization:A Case Study of the Jinsha River Basin[J]. Journal of Hydrology, 2015(527): 172–183. |
[17] | WANG Ke, GUAN Qingfeng, CHEN Nengcheng, et al. Optimizing the Configuration of Precipitation Stations in a Space-ground Integrated Sensor Network Based on Spatial-temporal Coverage Maximization[J]. Journal of Hydrology, 2017(548): 625–640. |
[18] | ZHAO Nan, PU Fangling, XU Xin, et al. Optimisation of Multi-channel Cooperative Sensing in Cognitive Radio Networks[J]. IET Communications, 2013, 7(12): 1177–1190. DOI:10.1049/iet-com.2012.0748 |
[19] | ZHAO Nan, PU Fangling, XU Xin, et al. Cosine-modulated Transceivers for TV White Space Cognitive Access[J]. Chinese Journal of Electronics, 2012, 21(2): 362–366. |
[20] | CHEN Nengcheng, XIAO Changjiang, PU Fangling, et al. Cyber-physical Geographical Information Service-enabled Control of Diverse In-Situ Sensors[J]. Sensors, 2015, 15(2): 2565–2592. DOI:10.3390/s150202565 |
[21] | CHEN Zeqiang, CHEN Nengcheng, DI Liping, et al. A Flexible Data and Sensor Planning Service for Virtual Sensors Based on Web Service[J]. IEEE Sensors Journal, 2011, 11(6): 1429–1439. DOI:10.1109/JSEN.2010.2095839 |
[22] | CHEN Nengcheng, DI Liping, YU Genong, et al. Geo-Processing Workflow Driven Wildfire Hot Pixel Detection under Sensor Web Environment[J]. Computers & Geosciences, 2010, 36(3): 362–372. |
[23] | YANG Chao, CHEN Nengcheng, DI Liping. RESTFul Based Heterogeneous Geoprocessing Workflow Interoperation for Sensor Web Service[J]. Computers & Geosciences, 2012(47): 102–110. |
[24] | CHEN Nengcheng, HU Chuli, CHEN Yao, et al. Using SensorML to Construct a Geoprocessing E-Science Workflow Model Under a Sensor Web Environment[J]. Computers & Geosciences, 2012(47): 119–129. |
[25] | WANG Wei, HU Chuanbo, CHEN Nengcheng, et al. Spatio-temporal Risk Assessment Process Modeling for Urban Hazard Events in Sensor Web Environment[J]. ISPRS International Journal of Geo-Information, 2016, 5(11): 203. DOI:10.3390/ijgi5110203 |
[26] | 陈能成, 王晓蕾, 肖长江, 等. 事件驱动的城市信息聚焦服务模型与系统[J]. 武汉大学学报(信息科学版), 2015, 40(12): 1633–1638. CHEN Nengcheng, WANG Xiaolei, XIAO Changjiang, et al. Model and System for Event-driven Focusing Service of Information Resources in Smart City[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1633–1638. |