吳炳方 張 鑫 曾紅偉 張 淼 田富有,3

1 中國科學(xué)院空天信息研究院 北京 100101 2 中國科學(xué)院遙感與數(shù)字地球研究所 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室 北京 100094 3 中國科學(xué)院大學(xué) 北京 100049

實(shí)現(xiàn) 2030 年人類可持續(xù)發(fā)展目標(biāo)，需要開展連續(xù)不斷、長(zhǎng)時(shí)間序列的地球表面監(jiān)測(cè)，通過分析掌握環(huán)境變化的影響及驅(qū)動(dòng)機(jī)制。為此，全球有條件的國家均會(huì)開展系列的資源環(huán)境監(jiān)測(cè)和觀測(cè)，為可持續(xù)發(fā)展決策提供可靠的依據(jù)。我國為了摸清全國不同區(qū)域的資源環(huán)境本底數(shù)據(jù)，不同部門開展了一系列大規(guī)模的綜合科學(xué)考察[1]，并建設(shè)了規(guī)模龐大的基礎(chǔ)設(shè)施與人員隊(duì)伍，如：依托全國布置 40 余萬個(gè)地面采集樣點(diǎn)定時(shí)開展的森林調(diào)查；依托全國 2 萬多個(gè)水文站點(diǎn)開展水文要素的觀測(cè)。國土部門的土地調(diào)查和統(tǒng)計(jì)部門的農(nóng)業(yè)普查也相類似，它們需要消耗巨大的人力、物力——世界上只有少數(shù)國家能夠承擔(dān)得起如此沉重的財(cái)政負(fù)擔(dān)，這也是大多數(shù)發(fā)展中國家資源環(huán)境數(shù)據(jù)缺乏的主要原因。與此同時(shí)，資源環(huán)境數(shù)據(jù)收集過程中，部門分割嚴(yán)重，重復(fù)投資現(xiàn)象突出，甚至在同一個(gè)部門內(nèi)會(huì)建立相互獨(dú)立的數(shù)據(jù)收集渠道和觀測(cè)網(wǎng)絡(luò)，有限的資源未能集中使用，這不僅導(dǎo)致數(shù)據(jù)冗余，而且不同部門間的數(shù)據(jù)資源更加分散；即便是收集到的資源環(huán)境數(shù)據(jù)也未得到有效的管理；在數(shù)據(jù)使用時(shí)，又多以保密、隱私為由，拒絕將相關(guān)資源環(huán)境數(shù)據(jù)進(jìn)行共享，行保護(hù)小集團(tuán)利益之實(shí)，這嚴(yán)重阻礙了資源環(huán)境監(jiān)測(cè)與觀測(cè)對(duì)推動(dòng)相關(guān)行業(yè)發(fā)展的作用發(fā)揮。

移動(dòng)通信技術(shù)的迅猛發(fā)展使得智能移動(dòng)終端成為信息獲取的新手段，而智能終端內(nèi)置傳感器愈發(fā)豐富恰恰成為眾源地理數(shù)據(jù)采集的完美載體。移動(dòng)互聯(lián)網(wǎng)時(shí)代，每個(gè)移動(dòng)終端每時(shí)每刻都會(huì)產(chǎn)生豐富的時(shí)空信息資源，正形成人人都是地球空間信息員的新局面[2]，催生了包括地理位置、移動(dòng)速度、移動(dòng)路徑、運(yùn)動(dòng)覆蓋面、照片等信息在內(nèi)的海量的眾源地理數(shù)據(jù)。大量對(duì)地觀測(cè)數(shù)據(jù)對(duì)公眾免費(fèi)開放下載和使用，以及云平臺(tái)的普及，催生了大量的云端資源環(huán)境數(shù)據(jù)，從而改變了傳統(tǒng)的資源環(huán)境生成方式，給資源環(huán)境監(jiān)測(cè)與評(píng)估提供了新的數(shù)據(jù)獲取方式。本文結(jié)合筆者近 30 年來在資源環(huán)境數(shù)據(jù)方面開展的研究，特別是近幾年大數(shù)據(jù)研究工作，從眾源地理數(shù)據(jù)、云端資源環(huán)境數(shù)據(jù)和云端資源環(huán)境專業(yè)服務(wù) 3 個(gè)部分遞進(jìn)式闡述資源環(huán)境數(shù)據(jù)生成的大數(shù)據(jù)方法及潛力，并對(duì)未來的發(fā)展方向進(jìn)行展望；以期能夠以新的大數(shù)據(jù)方法，改變當(dāng)前資源環(huán)境數(shù)據(jù)的不透明現(xiàn)狀，促進(jìn)科學(xué)與業(yè)務(wù)數(shù)據(jù)的聯(lián)結(jié)，推動(dòng)大數(shù)據(jù)時(shí)代資源環(huán)境數(shù)據(jù)獲取方式及應(yīng)用廣度的發(fā)展。

1 眾源地理數(shù)據(jù)

眾源地理信息是快速獲取大量具有地理位置數(shù)據(jù)的有效手段，主要通過眾多非專業(yè)人員采集數(shù)據(jù)，并按照特定標(biāo)準(zhǔn)將眾源地理數(shù)據(jù)匯交至服務(wù)器、分布式數(shù)據(jù)庫或云平臺(tái)的方式[3]。通過這種方式獲取的數(shù)據(jù)被稱為眾源地理數(shù)據(jù)（volunteered geographic information，VGI）。

眾源地理數(shù)據(jù)已成為資源環(huán)境領(lǐng)域受青睞的數(shù)據(jù)獲取方式。眾源地理數(shù)據(jù)主要來源于大眾無意識(shí)的采集，采集方不需要根據(jù)特定目的，也不需要傳統(tǒng)數(shù)據(jù)采集的專業(yè)知識(shí)。早在 1890 年，現(xiàn)代通信技術(shù)發(fā)明之前，美國國家氣象局就建立了“公眾合作觀察者”（Cooperative Observer Program）項(xiàng)目[4]?；谠擁?xiàng)目的很多數(shù)據(jù)集，已經(jīng)被廣泛地應(yīng)用到了天氣監(jiān)測(cè)、極端天氣預(yù)警和氣候變化等科學(xué)研究中。此后，“北美繁殖鳥類調(diào)查計(jì)劃”（North American Breeding Bird）利用眾源方式長(zhǎng)期跨國監(jiān)測(cè)鳥類種群活動(dòng)，共記錄了 400 多種鳥類的分布格局和數(shù)量變化[5]。進(jìn)入 21 世紀(jì)以來，隨著移動(dòng)互聯(lián)技術(shù)的發(fā)展，智能手機(jī)成為人們生活中必不可少的隨身設(shè)備，而眾多不同類型的移動(dòng)應(yīng)用程序陸續(xù)面世，進(jìn)一步促進(jìn)了眾源地理數(shù)據(jù)的發(fā)展。

數(shù)據(jù)眾源采集的發(fā)展趨勢(shì)十分迅速，特別是智能手機(jī)的普及為眾源數(shù)據(jù)提供了強(qiáng)大的采集手段。如 Fritz 等[6]建立了 Geo-Wiki.Org 網(wǎng)站并發(fā)布“GEOwiki pictures”手機(jī)應(yīng)用程序（http://www.geo-wiki.org/），使得全球的志愿者可以通過該應(yīng)用上傳帶有 GPS 信息的照片，以提供森林、草地、農(nóng)田、水體等生態(tài)系統(tǒng)的“眾源數(shù)據(jù)”；借此收集到相關(guān)地表覆被信息，用于修正和提升全球耕地分布數(shù)據(jù)分類質(zhì)量[7]。“GIS cloud”（http://www.giscloud.com/）、“Poimapper”（http://www.poimapper.com/）、“GeoODK collect”（http://geoodk.com/）、“FieldMap”（http://maptext.com/）等眾多不同的移動(dòng)應(yīng)用程序也被廣泛用于眾源地理信息采集；ARCGIS 等傳統(tǒng)地理信息系統(tǒng)（geographic information system，GIS）工具提供商也紛紛開發(fā)出面向移動(dòng)終端的應(yīng)用程序，其中“Collector for ArcGIS”（http://www.esri.com/software/arcgis/smartphones/collectorapp）——用戶能夠使用“自定義表單”“精確定位”“離線地圖”“標(biāo)注地塊”及“作物類型”等多樣化功能。

眾源地理數(shù)據(jù)為公眾提供了眾多日常服務(wù)。最為典型的例子是地圖服務(wù)提供商利用手機(jī)定位信息確定道路擁堵狀況，并實(shí)時(shí)提供路況研判、最優(yōu)導(dǎo)航路徑更新等信息服務(wù)，為公眾出行提供了便捷服務(wù)。英國的“OpenStreetMap”（OSM）也是基于眾源數(shù)據(jù)采集的理念，創(chuàng)造內(nèi)容自由且能讓所有人編輯的全球范圍的地圖；注冊(cè)用戶可上傳由用戶根據(jù)手持 GPS 設(shè)備、航空攝影照片、衛(wèi)星影像或其他方式獲取的 GPS 路徑，并可以使用 OSM 網(wǎng)站的編輯器或其他軟件編輯地圖的矢量數(shù)據(jù)，以實(shí)現(xiàn)網(wǎng)上地圖協(xié)同維護(hù)的目標(biāo)[8]。

通過照片可收集很多的信息，如判斷地物形狀、路徑等信息。國內(nèi)外也發(fā)展了很多手機(jī)端眾源數(shù)據(jù)的地理數(shù)據(jù)采集軟件，并在這個(gè)基礎(chǔ)上開展很多應(yīng)用。例如用于土地覆被的驗(yàn)證數(shù)據(jù)源，可以為作物生長(zhǎng)提供監(jiān)測(cè)信息，也可以為極端氣候與氣候變化提供預(yù)警信息。2015 年以來，全球農(nóng)情遙感速報(bào)[9,10]團(tuán)隊(duì)通過將原有的“GVG（GPS、VIDEO 和 GIS）農(nóng)情采樣系統(tǒng)”桌面端軟件升級(jí)移植至智能手機(jī)端[11,12]，并在智能手機(jī)應(yīng)用市場(chǎng)對(duì)外開放，實(shí)現(xiàn)了農(nóng)作物種植狀況照片的隨時(shí)隨地采集。利用該方法已成功實(shí)現(xiàn)了農(nóng)田照片與作物類型的快速采集；每年獲得由不同用戶在全球范圍開展的作物種植結(jié)構(gòu)調(diào)查數(shù)據(jù)記錄達(dá) 10 萬余條，大幅縮減了全球范圍作物種植結(jié)構(gòu)信息獲取的時(shí)間和財(cái)力，并為作物種植面積估算與預(yù)測(cè)提供地面觀測(cè)大數(shù)據(jù)支撐（圖 1）。2017 年依托該應(yīng)用程序，在 70 天內(nèi)，快速高效獲取了覆蓋全國 1 381 個(gè)縣級(jí)行政單元超過 75 萬條作物種植狀況地面樣本信息，支撐了 2017 年全國水田/旱地及其他土地覆被分區(qū)域提取。升級(jí)后的“GVG 眾源地理數(shù)據(jù)采集”應(yīng)用程序采用固定表單的形式，為非專業(yè)人員提供不同土地覆被類型標(biāo)識(shí)的解決方案，降低了眾源地理數(shù)據(jù)采集過程的不確定性；“GVG 眾源地理數(shù)據(jù)采集”應(yīng)用程序改變了過去需要開展全球地面觀測(cè)或通過數(shù)據(jù)共享獲取地面觀測(cè)資料的工作模式，在減少地面觀測(cè)工作量的同時(shí)，也大大減少地面觀測(cè)的人力和財(cái)力投入，為土地覆被分類的樣本獲取提供經(jīng)濟(jì)有效的解決方案。該應(yīng)用程序目前已經(jīng)可在谷歌、蘋果、華為等應(yīng)用平臺(tái)免費(fèi)下載和使用；該應(yīng)用與云端服務(wù)器實(shí)時(shí)通訊，用戶僅需要進(jìn)行簡(jiǎn)單的賬號(hào)驗(yàn)證以后，便可以使用其采集土地覆被、農(nóng)作物樣本等信息；伴隨著用戶數(shù)量的增多，通過該應(yīng)用程序采集數(shù)據(jù)時(shí)，大數(shù)據(jù)的意味也越濃。

然而，當(dāng)前手機(jī)照片能提供的信息并沒有得到充分的利用，目前的應(yīng)用只是粗淺的，深度應(yīng)用還有待進(jìn)一步開發(fā)和發(fā)展。隨著手機(jī)功能的不斷強(qiáng)大，嵌入的傳感器越來越多，以及內(nèi)置各種傳感器的應(yīng)用程序越來越多，可測(cè)量的信息就越來越多。例如：利用智能手機(jī)進(jìn)行單片測(cè)樹，包括樹高、胸徑和材質(zhì)； Kinect 傳感器技術(shù)提供的植株冠層三維測(cè)量的方法等[13]。這些全新的內(nèi)置傳感器及相應(yīng)的應(yīng)用程序使得手機(jī)可采集的信息更加寬泛，而有些信息恰恰可以取代當(dāng)前資源環(huán)境領(lǐng)域花費(fèi)大量人力物力、樂此不疲采集信息的落后方式。眾源數(shù)據(jù)獲取方法，由于數(shù)據(jù)采集更加高效，可獲取數(shù)據(jù)量也將有大幅提升，甚至可以通過海量眾源數(shù)據(jù)克服當(dāng)前數(shù)據(jù)采集過程中系統(tǒng)性和代表性不足的弊端，從而實(shí)現(xiàn)眾源地理數(shù)據(jù)逐漸替代傳統(tǒng)行業(yè)部門數(shù)據(jù)采集的方式；更是大幅提高業(yè)務(wù)部門工作效率的有效手段，將逐漸替代傳統(tǒng)的雇傭、派遣的數(shù)據(jù)采集方式。公眾的參與，避免了業(yè)務(wù)數(shù)據(jù)調(diào)查過程中的大量投入，并逐漸淡化業(yè)務(wù)數(shù)據(jù)的專業(yè)性，使得數(shù)據(jù)走向大眾化，實(shí)現(xiàn)大眾共同參與資源環(huán)境管理的新局面。

此外，眾源數(shù)據(jù)采集者的無意識(shí)和非專業(yè)特點(diǎn)使得眾源數(shù)據(jù)存在不一致性、不完整性等問題，造成眾源數(shù)據(jù)具有一定程度的不確定性。目前的解決辦法是，在眾源采集進(jìn)行數(shù)據(jù)匯交時(shí)，通過一種明確的機(jī)制和標(biāo)準(zhǔn)規(guī)范實(shí)現(xiàn)數(shù)據(jù)的匯集和集中管理，自動(dòng)對(duì)眾源數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化整理與分析。通過固定選項(xiàng)的方式進(jìn)行數(shù)據(jù)標(biāo)識(shí)，可以提高非專業(yè)人員采集數(shù)據(jù)的標(biāo)準(zhǔn)化程度，降低數(shù)據(jù)的不確定，提高數(shù)據(jù)的有效性。這種策略解決了眾源數(shù)據(jù)的規(guī)整、匯聚問題以及數(shù)據(jù)采集的標(biāo)準(zhǔn)化問題，并大幅降低眾源數(shù)據(jù)的不確定性，提升其可用性；然而這種方式也限制了大眾的無意識(shí)行為，從無意識(shí)的采集數(shù)據(jù)變成了有意識(shí)的數(shù)據(jù)收集，從而導(dǎo)致眾源數(shù)據(jù)“小眾”化，而這一點(diǎn)則是眾源數(shù)據(jù)采集面臨的最大問題。

圖1 “GVG眾源地理數(shù)據(jù)采集”應(yīng)用程序采集流程

2 云端資源環(huán)境數(shù)據(jù)

21 世紀(jì)以來，隨著對(duì)地觀測(cè)數(shù)據(jù)的爆炸性增長(zhǎng)和廣泛應(yīng)用，人類開始對(duì)地球?qū)崿F(xiàn)多尺度、全方位的立體觀測(cè)，海量多源遙感數(shù)據(jù)給資環(huán)環(huán)境監(jiān)測(cè)帶來了極大的便利。然而，面對(duì)動(dòng)輒幾十、成千上萬幅的長(zhǎng)時(shí)間序列遙感數(shù)據(jù)，傳統(tǒng)計(jì)算機(jī)的計(jì)算模式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足如此大數(shù)據(jù)量數(shù)據(jù)的快速處理工作。

隨著網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)的變革，云存儲(chǔ)和云計(jì)算技術(shù)已經(jīng)在過去幾年得到了迅速發(fā)展。相比傳統(tǒng)的個(gè)人計(jì)算機(jī)、服務(wù)器，云平臺(tái)具備計(jì)算效率高、性能強(qiáng)、可彈性擴(kuò)展、存儲(chǔ)容量大、價(jià)格低、數(shù)據(jù)安全等特點(diǎn)，非常適合用于海量地理數(shù)據(jù)的處理與運(yùn)算。地理數(shù)據(jù)云平臺(tái)隨著自身的普及，通過云平臺(tái)調(diào)用數(shù)據(jù)的方式，越來越多地成為資源環(huán)境數(shù)據(jù)研究和生產(chǎn)的平臺(tái)。利用云平臺(tái)上的高速計(jì)算設(shè)備，無需將大量數(shù)據(jù)下載到本地進(jìn)行計(jì)算，即可在云端對(duì)數(shù)據(jù)進(jìn)行有效處理，并將分析處理后的最終結(jié)果提取或下載到本地使用，從而大大提高資源環(huán)境數(shù)據(jù)分析的效率；還可以對(duì)更長(zhǎng)時(shí)間序列、更高的空間尺度對(duì)地表資源環(huán)境進(jìn)行分析，擺脫了運(yùn)算、存儲(chǔ)能力的限制[14]。這催生了大量的云端資源環(huán)境數(shù)據(jù)。

2011 年，Google 公司發(fā)布了“Google Earth Engine”地理數(shù)據(jù)云計(jì)算平臺(tái)。與此同時(shí)，澳大利亞地球科學(xué)院（Australian Geoscience）也于 2011 年提出并開發(fā)了云端地理數(shù)據(jù)處理方案“Data Cube”，并運(yùn)行在澳大利亞超算平臺(tái)中，從而實(shí)現(xiàn)了對(duì)澳大利亞全境的、包括遙感、氣象、地面站點(diǎn)數(shù)據(jù)的一致性數(shù)據(jù)管理構(gòu)架。通過平臺(tái)調(diào)用的方式，用戶可以在個(gè)人計(jì)算機(jī)上通過瀏覽器實(shí)現(xiàn)對(duì)澳大利亞全境的地學(xué)數(shù)據(jù)進(jìn)行處理與分析。2016 年，澳大利亞將“Data Cube”開源化，完全公開了當(dāng)前所有數(shù)據(jù)構(gòu)架和應(yīng)用算法，并支持用戶構(gòu)建自己的數(shù)據(jù)管理與運(yùn)算系統(tǒng)，因此得到了全球用戶的廣泛支持。另外，“AWS 亞馬遜云”通過公開對(duì)地觀測(cè)數(shù)據(jù)，共計(jì)開放了包括“NASA Earth Exchange數(shù)據(jù)集”“全球的 Landsat 系列”“Sentinel 系列衛(wèi)星”“氣象雷達(dá)（NEXRAD）”“美國農(nóng)業(yè)影像計(jì)劃（NAIP）”和“數(shù)字高程（DEM）”等共計(jì) 61 組數(shù)據(jù)集。借助這些云端對(duì)地觀測(cè)數(shù)據(jù)，科學(xué)家可以方便地在云端開展全球資源環(huán)境監(jiān)測(cè)[15]。

云計(jì)算和機(jī)器學(xué)習(xí)極大地促進(jìn)了資源環(huán)境監(jiān)測(cè)向高分辨率要素類監(jiān)測(cè)的轉(zhuǎn)變。例如，我國科學(xué)家借助“Google Cloud”，生產(chǎn)了 30 m 全球土地覆被產(chǎn)品[16]。歐盟聯(lián)合研究中心基于“Google Earth Engine”完成了1984—2015 年全球尺度 30 m 分辨率陸表水體空間分布監(jiān)測(cè)[17]。由于陸表水體是區(qū)域水資源狀況的最直觀反映，長(zhǎng)時(shí)間、可比較的序列數(shù)據(jù)集為診斷干旱生態(tài)系統(tǒng)水資源脅迫程度及其變化提供了十分有價(jià)值的信息：歐盟聯(lián)合研究中心開展了 1975、1990、2000 和 2014 年全球人居用地監(jiān)測(cè)[18]；美國馬里蘭完成 2000—2016 年全球 30 m 分辨率的森林覆蓋的變化監(jiān)測(cè)[19]；美國地質(zhì)調(diào)查局 USGS 采用“Google Earth Engine”與超級(jí)計(jì)算機(jī)，首次完成 2015 年全球 30 m 分辨率的耕地種植空間分布圖[20]；中國科學(xué)院遙感與數(shù)字地球研究所完成 2015 年全球 30 m 分辨率火燒跡地的遙感監(jiān)測(cè)。歐空局針對(duì)“Sentinel數(shù)據(jù)集”，開發(fā)“S2ToolBox”工具，可開展空間分辨率為 20 m 的植被葉面積指數(shù)（LAI）、植被光合有效輻射吸收比（FAPAR)、植被覆蓋度（FCOVER）監(jiān)測(cè)[21]，將生態(tài)參數(shù)監(jiān)測(cè)提升到與類型監(jiān)測(cè)相同的分辨率，實(shí)質(zhì)性地實(shí)現(xiàn)了高分辨率的類型與功能一體化監(jiān)測(cè)。

新的數(shù)據(jù)源將不斷出現(xiàn)，新的分類、識(shí)別及分析手段，特別是人工智能（AI）技術(shù)的發(fā)展日新月異，使得云端的資源環(huán)境數(shù)據(jù)產(chǎn)品高、中、低分辨率齊全，而且中、高分辨率遙感數(shù)據(jù)種類越來越多，分辨率也越來越高——從過去的公里級(jí)，逐漸發(fā)展百米級(jí)、十米級(jí)的數(shù)據(jù)產(chǎn)品，未來米級(jí)的數(shù)據(jù)產(chǎn)品也必將涌現(xiàn)。全球尺度、更高分辨率的遙感產(chǎn)品生產(chǎn)將成為主流趨勢(shì)，而且將成為對(duì)地觀測(cè)領(lǐng)域競(jìng)相角逐的制高點(diǎn)。高分辨率的云端資源環(huán)境數(shù)據(jù)普及后，科學(xué)研究和業(yè)務(wù)生產(chǎn)之間的界限將大大淡化；依托云端的強(qiáng)大運(yùn)算能力和公開的數(shù)據(jù)資源，生產(chǎn)高分辨率的數(shù)據(jù)產(chǎn)品將逐漸取代以生產(chǎn)數(shù)據(jù)為己任的專業(yè)業(yè)務(wù)部門的職能。

3 云端資源環(huán)境專業(yè)服務(wù)

云端儲(chǔ)藏的海量數(shù)據(jù)，以及快捷方便的信息提取，為資源環(huán)境問題的發(fā)現(xiàn)及專業(yè)服務(wù)提供了新途徑。

3.1 云端水資源環(huán)境監(jiān)測(cè)

筆者綜合 Google 云存儲(chǔ)的 2000—2015 年的歐盟聯(lián)合研究中心水面監(jiān)測(cè)數(shù)據(jù)集，利用“Google Earth Engine”（GEE），綜合利用“哨兵 1 號(hào)”雷達(dá)遙感數(shù)據(jù) VV 極化的后向散射系數(shù)、“哨兵 2 號(hào)”多光譜遙感數(shù)據(jù)計(jì)算的歸一化水體指數(shù)，分析 2000—2017 年北京市常年水體面積的變化：2000—2015 年北京市的常年水面面積呈快速下降的趨勢(shì)，由 2000 年的 515 km2減至 2015 年的 197 km2，累計(jì)縮減 318 km2，減幅 61.7%；2015—2017年北京市常年水面面積有所反彈，監(jiān)測(cè)表明 2016 和 2017 年北京市的常年水體面積為 244 和 285 km2，分別比 2015 年增長(zhǎng) 47 和 85 km2?；?GEE 上存儲(chǔ)的“熱帶降水雷達(dá)多衛(wèi)星遙感降水?dāng)?shù)據(jù)”（TRMM），分析了 2000—2017 年北京市降水的變化趨勢(shì)，發(fā)現(xiàn) 2000—2017 年北京市的降水強(qiáng)度呈現(xiàn)波動(dòng)上升的趨勢(shì)（圖2）。南水北調(diào)中線工程的竣工供水，是 2015—2017年北京市水面面積反彈的主要原因?！侗本┦兴Y源公報(bào)》顯示，僅 2016 年南水北調(diào)工程向北京供水 10.63 億立方米。常年水面面積的變化是自然與人類活動(dòng)要素綜合作用下，區(qū)域水資源豐枯變化的綜合表征，只需利用云端數(shù)據(jù)就可以監(jiān)測(cè)并評(píng)估北京市水資源管理的效果。

3.2 云端農(nóng)情資源監(jiān)測(cè)

要想獲取某一個(gè)領(lǐng)域的專業(yè)信息，需要對(duì)云端數(shù)據(jù)進(jìn)行抽取、集成與分析，提供專業(yè)化的服務(wù)。2013年起，筆者團(tuán)隊(duì)開發(fā)的“CropWatch”利用大數(shù)據(jù)技術(shù)分析不同用戶對(duì)農(nóng)情監(jiān)測(cè)與預(yù)警信息需求的差異化，面向不同需求的農(nóng)情信息建立了云服務(wù)平臺(tái)，為不同的農(nóng)情信息需求者提供不同的農(nóng)情信息服務(wù)，建成了基于公有云的參與式全球自助式農(nóng)情遙感監(jiān)測(cè)云平臺(tái)——“CropWatch-Cloud”，包含“全球農(nóng)情在線生產(chǎn)系統(tǒng)”（CropWatch Pro）、“全球農(nóng)情在線瀏覽”（CropWatch Explorer）、“全球農(nóng)情遙感速報(bào)在線分析”（CropWatch Analysis）與“全球農(nóng)情在線發(fā)布”（CropWatch Bulletin）四大模塊，實(shí)現(xiàn)云端數(shù)據(jù)的抽取與集成、監(jiān)測(cè)模型處理云端化、數(shù)據(jù)信息透明化、分析參與開放化以及監(jiān)測(cè)成果公開化的鏈?zhǔn)綗o縫集成（圖 3）。

基于公有云的“CropWatch Pro”，通過對(duì)云端數(shù)據(jù)的抽取與匯聚，實(shí)現(xiàn)了全自動(dòng)的全球農(nóng)業(yè)氣象條件監(jiān)測(cè)、農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)和全球糧食供應(yīng)形勢(shì)監(jiān)測(cè)相結(jié)合的業(yè)務(wù)化運(yùn)行。同時(shí)，云平臺(tái)向用戶開放了數(shù)據(jù)和計(jì)算能力，用戶可以在系統(tǒng)中運(yùn)行和測(cè)試自己的農(nóng)情算法，并使用自己的算法生產(chǎn)相關(guān)的農(nóng)情監(jiān)測(cè)產(chǎn)品和農(nóng)情分析。

圖2 2000—2017年北京市常年水面面積與降水強(qiáng)度的變化趨勢(shì)

圖 3 全球農(nóng)情遙感速報(bào)（CropWatch）云構(gòu)架

“CropWatch Explorer”通過矢量地圖、柵格地圖、動(dòng)態(tài)圖表相結(jié)合的方式，用瀏覽器展示全球農(nóng)情監(jiān)測(cè)中多種農(nóng)氣、農(nóng)情、糧食生產(chǎn)形勢(shì)指標(biāo)，實(shí)現(xiàn)近實(shí)時(shí)的全球農(nóng)情在線信息服務(wù)。

“CropWatch Analysis”包括創(chuàng)建分析任務(wù)、分配任務(wù)、在線分析與提交、發(fā)布分析報(bào)告等功能。使用戶在任何時(shí)間地點(diǎn)，即可通過互聯(lián)網(wǎng)設(shè)備無障礙的完成感興趣區(qū)域的農(nóng)情遙感監(jiān)測(cè)與分析，實(shí)現(xiàn)全球各國相關(guān)專家的遠(yuǎn)程參與全球農(nóng)情遙感速報(bào)的監(jiān)測(cè)與分析工作，共同編寫多語言版全球農(nóng)情遙感速報(bào)，從而大幅提升全球農(nóng)情遙感速報(bào)的全球參與度。

借助容器化服務(wù)技術(shù)，“CropWatch”封裝了體系中所有的農(nóng)情算法，通過微服務(wù)的方式滿足用戶定制化農(nóng)情系統(tǒng)的需求。借助這一服務(wù)，為“一帶一路”沿線國家提供了定制化的農(nóng)情監(jiān)測(cè)系統(tǒng)，大幅提高這些國家的農(nóng)情監(jiān)測(cè)水平。

云計(jì)算已經(jīng)越來越多地改變了當(dāng)前數(shù)據(jù)存儲(chǔ)和處理的方法與理念。與傳統(tǒng)的地理信息系統(tǒng)相比，云端專業(yè)服務(wù)系統(tǒng)的建立、定制、更新與維護(hù)的成本顯著降低；同時(shí)，云平臺(tái)的特點(diǎn)決定了用戶不再需要在下載和處理數(shù)據(jù)上浪費(fèi)時(shí)間，人們可以在任何時(shí)間、任何地點(diǎn)，對(duì)世界上的任何感興趣的區(qū)域，進(jìn)行資源環(huán)境的監(jiān)測(cè)與分析，從而突破了以往國界、地域、領(lǐng)域的限制，使得人類第一次可以共同應(yīng)對(duì)人類共同面臨的資源環(huán)境問題。

4 展望

云端的資源環(huán)境數(shù)據(jù)產(chǎn)品數(shù)量成指數(shù)增長(zhǎng)，不同于當(dāng)前的數(shù)據(jù)大多存儲(chǔ)在各個(gè)實(shí)驗(yàn)室的現(xiàn)狀，數(shù)據(jù)將不再是深藏于生產(chǎn)者的硬盤、部門的檔案庫里，云端數(shù)據(jù)讓資源環(huán)境數(shù)據(jù)人人觸手可及。云端數(shù)據(jù)的易獲取、易對(duì)比、易使用的特點(diǎn)，大幅提高了數(shù)據(jù)的透明度和置信度。

基于眾源地理數(shù)據(jù)和大數(shù)據(jù)獲取資源環(huán)境數(shù)據(jù)的方法將逐漸替代傳統(tǒng)的業(yè)務(wù)方法，并更加有效地服務(wù)行業(yè)部門，實(shí)現(xiàn)了公眾對(duì)資源環(huán)境監(jiān)測(cè)與管理的參與，契合了資源環(huán)境是人類共同利益的所在。這將使得現(xiàn)有的資源環(huán)境數(shù)據(jù)獲取方法、管理方式與信息價(jià)值的挖掘被更加高效的眾源和大數(shù)據(jù)方法所替代，專業(yè)機(jī)構(gòu)的數(shù)據(jù)生產(chǎn)職能也將逐漸淡化，從而大幅提高數(shù)據(jù)采集效率、信息價(jià)值挖掘，并顯著降低監(jiān)測(cè)成本。