Hình 14 - IG_KnowledgeBase

Mô hình quá trình vật lý là mô hình toán học dựa trên máy tính dùng để mô phỏng sự phân bổ không gian, thời gian của các quá trình trong tự nhiên. Giới hạn của mô hình có nghĩa rằng bất kỳ hiện tượng tự nhiên nào cũng chỉ có thể được mô tả với một mức độ chính xác và chi tiết nhất định. Điều quan trọng là tìm ra phương thức mô tả tổng quát nhất và đơn giản nhất mà vẫn mô tả hết được các quan sát với một sai số tối thiểu. Đó là thế mạnh của những định luật vật lý cơ bản mà ngay cả những hiện tượng phức tạp cũng có thể được hiểu và mô tả trên cơ sở một số nguyên tắc tổng quát và đơn giản. Tiêu chuẩn cho mô hình vật lý là phần chính của các tổ chức thiết lập các tiêu chuẩn trong phạm vi ứng dụng cụ thể.

Ví dụ: Tổ chức Khí tượng Thế giới kiểm nghiệm các mô hình trong các lĩnh vực khí hậu học, thuỷ văn và khí tượng học.

Đồng hóa dữ liệu, một loại mô hình, là việc kết hợp các quan sát với các mô phỏng mô hình để cung cấp dự toán chính xác về trạng thái của khí quyển, đại dương, và bề mặt đất, vv

Đầu ra của một mô hình có thể là IG_GridScene hoặc các dạng khác của thông tin địa lý. ISO/IEC 18023-3⁽⁶⁵⁾ đề cập đến các biểu diễn môi trường bao gồm việc biểu diễn các kết quả của mô hình vật lý.

Physical process models are computer-based mathematical models that realistically simulate spatially distributed, time-dependent environmental processes in nature. The term model reflects that any natural phenomena can only be described to a certain degree of accuracy and correctness. It is important to seek the simplest and most generaF description that still describes the observations with minimum deviations. It is the power and beauty of the basic laws of physics that even complex phenomena can be understood and described quantitatively on the basis of a few simple and general principles. Standards for physical modelling are the domain of standards setting organizations within specific application areas.

EXAMPLE The World Meteorological Organization validates models in the areas of climatology, hydrology, and meteorology.

Data assimilation, a type of modelling, is the melding of observations with model simulations to provide accurate estimation of the state of the atmosphere, oceans, and land surface, etc.

Output of a model may be an IG_GridScene or other type of geographic information. ISO/IEC 18023-3^[65] deals with environmental representation including the representation of the results of physical modelling.

Khai thác dữ liệu, còn được gọi là khám phá tri thức từ cơ sở dữ liệu, là quá trình cấp cao hơn để có được thông tin thông qua việc chắt lọc thông tin thành kiến thức (ý tưởng và niềm tin về thế giới nhỏ) thông qua việc diễn giải các thông tin và tích hợp với kiến thức hiện có. Khai thác dữ liệu đề cập đến việc các điều tra viên đưa ra các dự đoán và giả thuyết mới từ dữ liệu không phải các suy luận từ lý thuyết thông qua một quá trình phụ của phương pháp quy nạp từ một cơ sở dữ liệu khoa học. ISO/IEC 13249-6 ⁽⁵⁰⁾ cung cấp một ví dụ về khai thác dữ liệu bằng cách sử dụng kỹ thuật SQL.

Trong những thập kỷ qua, các bộ cảm biến ảnh vệ tinh đã thu thập được một lượng lớn dữ liệu. Các cảm biến quang học, SAR, và những loại khác đã cung cấp hàng triệu cảnh ảnh mà đã được hệ thống thu thập, xử lý và lưu trữ. Các hệ thống dùng để khai thác các dữ liệu viễn thám và ảnh cho phép truy vấn bởi toạ độ địa lý, thời điểm thu thập và loại cảm biến. Thông tin này thường ít hơn so với các thông tin về đặt điểm các bộ cảm ví dụ như cấu trúc, mô hình, đối tượng hoặc thuộc tính tán xạ. Như vậy, chỉ một vài trong số các ảnh thu được thực sự có thể được sử dụng. Trong tương lai, khai thác ảnh lưu trữ sẽ trở thành khó khăn hơn do số lượng dữ liệu khổng lồ được thu thập bởi một thế hệ mới của bộ cảm biến vệ tinh có độ phân giải cao. Tóm lại, công nghệ mới là cần thiết để trích xuất nội dung thông tin của ảnh lưu trữ và tăng cường việc khám phá thực tế của các quan sát vệ tinh⁽⁷⁾.

Data mining, also known as knowledge discovery from databases, is the higher-level process of obtaining information through distilling information into knowledge (ideas and beliefs about the mini-world) through interpretation of information and integration with existing knowledge. Data mining is concerned with investigators formulating new predictions and hypotheses from data as opposed to testing deductions from theories through a sub-process of induction from a scientific database. ISO/IEC 13249-6 ^[50] provides an example of data mining using SQL techniques.

During the last decades, imaging satellite sensors have acquired huge quantities of data. Optical, SAR, and other sensors have delivered several millions of Scenes that have been systematically collected, processed, and stored. The state-of-the-art systems for exploiting remote sensing data and images allow queries by geographical coordinates, time of acquisition, and sensor type. This information is often less relevant than the content of the Scene, e.g. structures, patterns, objects, or scattering properties. Thus, only a few of the acquired images can actually be used. In the future, exploitation of Image archives will become more difficult due to the enormous data quantity acquired by a new generation of high-resolution satellite sensors. As a consequence, new technologies are needed to easily and selectively extract the information content of image archives and finally to increase the actual exploitation of satellite observations ^[7].

Khi các kỹ thuật khai thác dữ liệu tự động phát triển, tiêu chuẩn siêu dữ liệu có thể cần được sửa đổi để mô tả các công cụ, ứng dụng và kết quả của chúng.

As new automated data mining technologies develop, metadata standards may need to be modified in order to describe the tools, their application and results.

Tích hợp dữ liệu là quá trình kết hợp dữ liệu viễn thám với các nguồn thông tin không gian địa lý khác để cải thiện sự hiểu biết về các hiện tượng cụ thể.

Trong việc tích hợp các dữ liệu lớp-đối tượng, đối tượng đại diện đầu tiên được chiết xuất từ nhiều cảm biến và sau đó kết hợp thành một đối tượng liên kết duy nhất ở dạng vector. Việc chiết suất đối tượng từ một ảnh có thể phụ thuộc vào môi trường (mức độ, hình dạng, các yếu tố lân cận) cũng như các đặc tính của cảm biến. Các đối tượng tương tự từ nhiều nguồn khác nhau sau đó được hợp nhất bằng cách sử dụng các phương pháp tiếp cận thống kê để đánh giá thêm.

Chuẩn siêu dữ liệu có thể cần phải được sửa đổi để mô tả các thông tin mô tả dữ liệu sau khi tích hợp.

Feature fusion, is the process of combining remote sensing data with other sources of geospatial information to improve the understanding of specific phenomena.

In feature-level data fusion, representative features are first extracted from multiple sensor observations and then combined into a single concatenated feature vector. Feature extraction from the individual images may depend on the environment (extent, shape, neighbourhood) as well as the sensor characteristics. Similar objects from multiple sources are then fused for further assessment using statistical approaches or adaptive neural networks.

Metadata standards could need to be modified to describe the lineage of fused features.

Mục 8.5 mô tả tất cả các thông tin bao gồm các gói hỗ trợ quyết định thể hiện trong hình 3.

Subclause 8.5 describes all the information which comprises the Decision Support package shown in Figure 3.

Dịch vụ hỗ trợ các quyết định (DSS) bao gồm chương trình máy tính tương tác sử dụng phương pháp phân tích, chẳng hạn như phân tích quyết định, các thuật toán tối ưu hóa, thói quen lập kế hoạch chương trình, và vì vậy, để phát triển các mô hình giúp người ra quyết định trình bày rõ ràng những lựa chọn, phân tích tác động của quyết định, giải thích và lựa chọn phương pháp thích hợp để thực hiện⁽³⁹⁾. DSS cho phép các nhà lập kế hoạch và các nhà hoạch định chính sách làm các việc sau:

A Decision Support Service (DSS) consists of interactive computer programs that utilize analytical methods, such as decision analysis, optimization algorithms, program scheduling routines, and so on, for developing models to help decision makers formulate alternatives, analyse their impacts, and interpret and select appropriate options for implementation ^[39]. A DSS permits planners and policy makers to:

2) Sử dụng các dữ liệu đầu vào cho các mô hình dự báo để dự đoán kết quả của việc lựa chọn chính sách thay thế,

3) Hiển thị các kết quả mô hình theo những cách thức dễ hiểu.

Đầu ra của hệ thống DSS là những tư vấn cho người quyết định, có thể là một nhà hoạch định chính sách, nhà khoa học hoặc người sử dụng. Tư vấn này có thể là một dự báo hoặc đề nghị hoặc nó cũng có thể là một tập hợp các phần tư vấn riêng biệt được đánh giá và kết hợp với dữ liệu và thông tin trong quá trình quyết định. Kết quả đầu ra của một DSS có thể bao gồm văn bản, đồ thị và ảnh.

Như đã mô tả trong hình 15, một DSS có thể rút ra được từ thông tin được trích xuất trực tiếp từ ảnh cũng như từ thông tin lưu trữ dưới các hình thức kiến thức cư trú tại một ảnh kiến thức cơ bản. Hình 3 cho thấy mối quan hệ trong bối cảnh các gói Quan điểm thông tin.

2) Use these data as inputs to forecasting models for predicting the results of alternative policy choices,

3) Display the model results in easily understood ways.

The output of a DSS is advice to a human decision maker, be it a policy maker, scientist or member of the public. This advice may be a single prediction or recommendation, or it may be a set of discrete pieces of advice to be evaluated and combined with other data and information in the decision process. Outputs of a DSS may include text, graphs and imagery.

As depicted in Figure 15, a DSS may draw on both information extracted directly from imagery as well as distilled information in the form of knowledge residing in an imagery knowledge base. Figure 3 shows the relationship in the context of Information Viewpoint packages