面向林业物联网海量时空数据流挖掘关键问题研究.docVIP

面向林业物联网海量时空数据流挖掘关键问题研究 　　摘 要：近年来，随着全国林业信息化工作会议的召开，我国林业信息化已经由“数字林业”步入了“智慧林业”发展的新阶段，开启了智慧林业建设的新篇章，同时也促进了我国林业物联网的发展。文章从林业物联网的概念出发，论述了林业物联网环境下的海量时空数据流所具有的多源异构性、海量性、时空相关性、动态流式性和高维性特点，阐明了面向林业物联网的海量时空数据流挖掘的关键研究内容和拟解决的关键问题，并展望了基于林业物联网时空数据流挖掘的应用与前景。 　　关键词：物联网；林业；数据流；挖掘 　　中图分类号：TP18 文献标识码：A 文章编号：2095-1302（2016）07-00-03 　　0 引 言 　　进入新世纪以来，随着信息技术及其应用的快速发展和日益普及，物联网（Internet of Things，IoT）技术开始越来越多地运用到我国林业的诸多领域。我国的林业物联网建设逐步走上了有序、快速发展的轨道，并在完善顶层设计、开展示范工程建设、进行关键技术研究、推动各地实践探索和实施标准规范建设五个方面取得了重要进展。 　　林业物联网是物联网技术在林业领域的应用实例，是一种通过运用各类遥感监测技术、GPS 技术、GIS 技术、传感设备和技术（如摄像头、射频识别技术、红外线和蓝牙等）感知、采集林业信息，并将这些林业信息通过各类传输网络（如因特网、 GPRS网、ZigBee无线网等）传送到后台智能平台进行综合存储和处理，最终实现林业信息智能化识别和林业资源综合化管理的网络。 　　本文主要从林业物联网环境下海量时空数据流的特点、面向林业物联网的海量时空数据流挖掘的关键研究内容、面向林业物联网的时空数据流挖掘拟解决的关键问题和基于林业物联网时空数据流挖掘的应用前景这四个方面进行分析，为我国林业的发展提供依据。 　　1 林业物联网环境下数据流特点分析 　　随着近几年来物联网应用规模的不断扩大，影响范围不断延伸，大规模的林业数据被收割并存储于数据中心，这些数据来自于不同的传感源，形式不一，主要包括以下几种类型： 　　（1）由卫星遥感、摄像设备获得的图像、影像数据； 　　（2）由GPS获得的地理位置信息； 　　（3）由各类终端感知设备获得的包括大气温度、大气湿度、土壤温度、土壤湿度、土壤pH值、光照强度、降水、风速和CO2浓度等林区环境状态信息； 　　（4）由射频识别、红外线和蓝牙等终端识别设备获得的记录林产品从采伐、运输、仓储、配送到销售整个物流过程的数据[1-3]。 　　上述这些来自多平台、多传感器的林业物联网环境下的数据流具有多源异构性、海量性、时空相关性、动态流式性及高维性特征。 　　1.1 多源异构性 　　由于通过物联网采集的林业信息来自于不同的监测平台、设备和环境，数据的形式不仅包含了图像、文本和时序数值型数据，还包括多种不同的存储形式，比如有的存储在空间数据库中，有的以专有格式或数据文件形式存储，有的是栅格形式，有的是散点形式，而有的是矢量等值线形式，从而形成了异质、异构的多源林业数据集合。 　　1.2 海量性 　　到2020年，世界上“物物互联”的数据通信业务量将是“人与人通信”数据通信业务量的30倍[4]。作为物联网家族的重要组成部分，林业物联网同样也将是数据的海洋，每一个传感器均频繁地获取新的采样数据，系统不仅需要存储这些采样数据的最新版本，在多数情况下还需要存储某个时间段内所有的历史采样值以满足溯源处理和复杂数据分析的需要。 　　1.3 时空相关性 　　林业物联网中的传感器结点普遍存在着空间和时间属性，每个传感器结点都分布于地理上具有关联性的各个位置，每个数据采样值又都有时间属性（时序性），而且许多监测对象的地理位置会随着时间变化而连续移动。这些数据普遍存在着时空相关性。 　　1.4 动态流式性 　　由林业物联网获取的采样数据序列反映了监测对象（包括林场、林作物和林产品等）的状态随时间、空间变化的完整过程。因此包含了比单个采样值更为丰富的信息。此外，采样数据序列表现出明显的动态流式特性，即随着新采样值的不断到来和历史采样值的不断处理，采样数据序列是不断流动的，这类信息流在短时间尺度内呈现出无序性和非线性性，而在长时间尺度内又具有周期性和生命性。 　　1.5 高维性 　　高维特征是指林业物联网采集的数据具有时间域、空间域和其他属性所构成的高维特征。时间特征描述地理实体的时间尺度和时态关系，空间特征描述地理实体的地理空间分布，其它属性特征则描述地理实体的质量和数量信息。 　　2 面向林业物联网海量时空数据流挖掘的关键研究内容 　　2.1 研究林业物联网环境下带时空约束的海量时空数据流综合预处理框架 　　林业物联网环境下的多源分布数据一个重