CN112035679A - 一种遥感监测自然灾害数据处理方法及装置 - Google Patents

一种遥感监测自然灾害数据处理方法及装置 Download PDF

Info

Publication number
CN112035679A
CN112035679A CN202010945020.1A CN202010945020A CN112035679A CN 112035679 A CN112035679 A CN 112035679A CN 202010945020 A CN202010945020 A CN 202010945020A CN 112035679 A CN112035679 A CN 112035679A
Authority
CN
China
Prior art keywords
diffusion trend
remote sensing
vector
pollution
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010945020.1A
Other languages
English (en)
Other versions
CN112035679B (zh
Inventor
吴顺民
何强
李细主
邓迎贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Xinhedao Information Technology Co ltd
Original Assignee
Guangdong Xinhedao Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Xinhedao Information Technology Co ltd filed Critical Guangdong Xinhedao Information Technology Co ltd
Priority to CN202010945020.1A priority Critical patent/CN112035679B/zh
Publication of CN112035679A publication Critical patent/CN112035679A/zh
Application granted granted Critical
Publication of CN112035679B publication Critical patent/CN112035679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种遥感监测自然灾害数据处理方法及装置，涉及遥感监测技术领域，遥感监测自然灾害数据处理方法包括：响应终端设备发送的待检测区域的灾害监测指示，获取待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标；分别将待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，获得待检测区域的遥感属性向量；通过预先构建的知识图谱对遥感属性向量、遥感监测灾害数据和污染指标进行特征提取，获得知识图谱预测的待检测区域对嫌疑污染源的来源置信度；根据待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为待检测区域确定目标污染源，能够基于遥感技术对自然灾害数据的源头进行监测管理。

Description

一种遥感监测自然灾害数据处理方法及装置
技术领域
本发明涉及遥感监测技术领域，具体而言，涉及一种遥感监测自然灾害数据处理方法及装置。
背景技术
遥感技术作为一种远距离探测的技术，多用于卫星探勘等领域。例如利用遥感技术进行气候、地形地貌的探勘的应用，均是利用了遥感技术采集的图像信息进行分析对比而得到的较为简单的结论。而在现有技术中，当出现自然灾害（例如森林大火、地震等），这些能够改变地形地貌的自然灾害往往会产生相应的污染（例如森林大火会伴随着大量的有害气体）。想要对这些污染产生的源头进行分析确定以便快速制定应对方案，是现有遥感技术根据简单的遥感影像无法分析得到的。
有鉴于此，如何提供一种能够基于遥感技术对自然灾害数据的源头进行监测处理的方案，是本领域技术人员需要解决的。
发明内容
本发明在于提供一种遥感监测自然灾害数据处理方法及装置。
第一方面，本申请实施例提供一种遥感监测自然灾害数据处理方法，应用于计算机设备，所述计算机设备与终端设备通信连接，所述方法包括：
响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；
分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；
通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；
根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源。
可选地，所述扩散趋势数据包括所述待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，所述污染结果数据包括所述待检测区域对应的预存扩散趋势向量；
所述通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述预设关联关系预测的所述待检测区域的遥感属性向量的步骤，包括：
分别将所述待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照所述预设关联关系，基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量；
通过预设机制将所述历史扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第一参考向量，以及将所述预测扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第二参考向量；
将所述历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到所述待检测区域的遥感预测参考向量，并将所述遥感预测参考向量作为所述待检测区域的遥感属性向量。
可选地，在所述基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量的步骤之前，所述方法还包括：
分别将所述历史扩散趋势向量、所述关键扩散趋势向量以及所述预存扩散趋势向量与时间标识进行绑定。
可选地，所述计算机设备还与遥感设备通信连接，所述方法还包括确定目标扩散趋势的步骤，该步骤包括：
获取所述遥感设备上传的遥感监测灾害数据，对扩散趋势数据所存储的待确定扩散趋势进行验证，所述扩散趋势数据包括目标待确定扩散趋势集合，所述目标待确定扩散趋势集合包括至少一个待确定扩散趋势，不同的待确定扩散趋势分别由不同的预测模型生成；
若所述至少一个待确定扩散趋势中的第一待确定扩散趋势通过验证，且所述第一待确定扩散趋势为所述目标待确定扩散趋势集合中具有最大参考权重的待确定扩散趋势，则获取所述第一待确定扩散趋势对应的散列函数，根据所述遥感监测数据和所述散列函数生成第二待确定扩散趋势；
将所述第二待确定扩散趋势添加至所述目标待确定扩散趋势集合，得到更新后的扩散趋势数据；
将所述第二待确定扩散趋势在计算机设备中进行遍历，以使所述计算机设备中除生成所述第二待确定扩散趋势的预测模型之外的其余预测模型，将所述第二待确定扩散趋势分别更新至所属的扩散趋势数据；
对所述更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新，将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势。
可选地，所述遥感分析对象包括所述待检测区域的各个遥感影像信息，所述污染指标包括所述嫌疑污染源的各个污染影像信息；
在所述通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取的步骤之前，所述方法还包括：
将各个遥感影像信息和各个污染影像信息对应的低维图像向量进行嵌入处理，得到各个遥感影像信息和各个污染影像信息对应的高维图像向量。
可选地，所述知识图谱还包括权重获取规则、低维度投影规则和高维度投影规则；所述待检测区域的遥感属性向量为遥感预测参考向量；
所述通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度的步骤，包括：
基于所述权重获取规则确定所述遥感监测灾害数据和所述污染指标中不同的权重系数，获得置信度参考向量；
将所述各个高维图像向量和所述遥感预测参考向量分别匹配所述低维度投影规则，利用预设特征矩阵对所述各个高维图像向量和所述遥感预测参考向量中任意两个进行投影；
基于不同要敢预测参考向量和高维图像向量之间的投影结果生成所述低阶影像属性参考向量，以及基于所述高维度投影规则对所述遥感预测参考向量和所述各个高维图像向量进行投影，获得所述待检测区域对应的高阶影像属性参考向量；
将所述置信度参考向量、所述低阶影像属性参考向量和所述高阶影像属性参考向量合并，确定所述待检测区域对所述嫌疑污染源的来源置信度。
可选地，所述预先构建的知识图谱通过下列方式构建得到：
从所述灾害污染数据遥感灾害数据库中选取灾害污染数据，其中，所述灾害污染数据中标注有灾害污染对象对灾害污染区域的来源置信度；
针对任意一个灾害污染数据，将所述灾害污染数据包含的灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标输入初始知识图谱，获得所述初始知识图谱预测的所述灾害污染对象对所述灾害污染区域的来源置信度；
基于预设校正模型对所述初始知识图谱中的参数进行调整，使得每个灾害污染数据标注的来源置信度与在所述初始知识图谱中的来源置信度的差值在预设差值阈值内为止，得到所述预先构建的知识图谱。
第二方面，本申请实施例提供一种遥感监测自然灾害数据处理装置，应用于计算机设备，所述计算机设备与终端设备通信连接，所述装置包括：
获取模块，用于响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；
预测模块，用于分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；
计算模块，用于通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源。
可选地，所述扩散趋势数据包括所述待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，所述污染结果数据包括所述待检测区域对应的预存扩散趋势向量；
所述预测模块具体用于：
分别将所述待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照所述预设关联关系，基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量；
通过预设机制将所述历史扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第一参考向量，以及将所述预测扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第二参考向量；
将所述历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到所述待检测区域的遥感预测参考向量，并将所述遥感预测参考向量作为所述待检测区域的遥感属性向量。
可选地，所述获取模块还用于：
分别将所述历史扩散趋势向量、所述关键扩散趋势向量以及所述预存扩散趋势向量与时间标识进行绑定。
相比现有技术，本发明提供的有益效果包括：采用本申请实施例提供的一种遥感监测自然灾害数据处理方法及装置，通过响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；再分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；进而通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；最终根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源，能够巧妙地基于遥感技术对自然灾害的源头进行监控管理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的遥感监测自然灾害数据处理***的交互示意图；
图2为本发明实施例提供的遥感监测自然灾害数据处理方法的步骤流程示意图；
图3为本发明实施例提供的遥感监测自然灾害数据处理的结构示意框图；
图4为本发明实施例提供的计算机设备的结构示意框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图，对本发明的具体实施方式进行详细说明。
图1是本公开一种实施例提供的遥感监测自然灾害数据处理***10的交互示意图。遥感监测自然灾害数据处理***10可以包括计算机设备100以及与所述计算机设备100通信连接的终端设备200。图1所示的遥感监测自然灾害数据处理***10仅为一种可行的示例，在其它可行的实施例中，该遥感监测自然灾害数据处理***10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
本实施例中，终端设备200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。
本实施例中，遥感监测自然灾害数据处理***10中的计算机设备100和终端设备200可以通过配合执行以下方法实施例所描述的遥感监测自然灾害数据处理方法，具体计算机设备100和终端设备200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题，图2为本公开实施例提供的遥感监测自然灾害数据处理方法的流程示意图，本实施例提供的遥感监测自然灾害数据处理方法可以由图1中所示的计算机设备100执行，下面对该遥感监测自然灾害数据处理方法进行详细介绍。
步骤201，响应终端设备200发送的待检测区域的灾害监测指示，获取待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标。
其中，遥感监测灾害数据至少包括待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及待检测区域的遥感分析对象。
步骤202，分别将待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过预先构建的知识图谱中的预设关联关系对遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得待检测区域的遥感属性向量。
其中，预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标。
步骤203，通过预先构建的知识图谱对遥感属性向量、遥感监测灾害数据和污染指标进行特征提取，获得知识图谱预测的待检测区域对嫌疑污染源的来源置信度。
步骤204，根据待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为待检测区域确定目标污染源。
可以响应用户持有的终端设备200发送的待检测区域的灾害监测指示，获取待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，在本申请实施例中，污染指标可以是大气污染物浓度。可以将待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过预先构建的知识图谱中的预设关联关系对遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得待检测区域的遥感属性向量，不论是待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，都可以是预先确定的。可以通过预先构建的知识图谱对遥感属性向量、遥感监测灾害数据和污染指标进行特征提取，获得知识图谱预测的待检测区域对嫌疑污染源的来源置信度，并据待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为待检测区域确定目标污染源。通过上述步骤，能够基于遥感技术准确地确定目标污染源，目标污染源可以使自然灾害发生的区域，也可以是人为产生污染的区域（例如工厂产生的废气），在确定目标污染源后，便可以对该区域进行有效的监管，以便后续进行相应应对策略的定制。
在前述基础上，扩散趋势数据包括待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，污染结果数据包括待检测区域对应的预存扩散趋势向量。作为一种可替换的实施例，前述步骤202可以通过以下具体实施方式实现。
子步骤202-1，分别将待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照预设关联关系，基于预设关联关系对应的逻辑关系树对历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量。
子步骤202-2，通过预设机制将历史扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第一参考向量，以及将预测扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第二参考向量。
子步骤202-3，将历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到待检测区域的遥感预测参考向量，并将遥感预测参考向量作为待检测区域的遥感属性向量。
在本申请实施例中，扩散趋势数据可以包括待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，而污染结果数据可以包括待检测区域对应的预存扩散趋势向量。具体的，可以分别将待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照预设关联关系，基于预设关联关系对应的逻辑关系树对历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量。可以通过预设机制将历史扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第一参考向量，以及将预测扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第二参考向量。其中，预设机制可以是注意力机制等，在本申请实施例中不做限制。最后可以将历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到待检测区域的遥感预测参考向量，并将遥感预测参考向量作为待检测区域的遥感属性向量，其中，合并的方式可以使加权求和，在此不做限制。通过上述步骤，能够获取具备较高参考价值的遥感属性向量，以便保证后续基于遥感属性向量的预测的准确度。
在此基础上，在前述子步骤202-1之前，步骤202还可以包括如下的具体实施方式。
子步骤202-4，分别将历史扩散趋势向量、关键扩散趋势向量以及预存扩散趋势向量与时间标识进行绑定。
应当理解的是，可以将历史扩散趋势向量、关键扩散趋势向量以及预存扩散趋势向量与时间标识进行绑定，其中，历史扩散趋势向量可以使根据时间标识，为预设时间范围前的扩散趋势向量，而关键扩散趋势向量，则可以是根据对应绑定的时间标识确地的最近一次的扩散趋势向量，预存扩散趋势向量则可以是根据对应绑定的时间标识确定的当前正准备预测的扩散趋势向量。
请再次参考图1，计算机设备100还与遥感设备300通信连接，在前述基础上，除了确定污染源头，本申请实施例提供了确定目标扩散趋势的示例，可以由以下步骤具体实施。
步骤301，获取遥感设备300上传的遥感监测灾害数据，对扩散趋势数据所存储的待确定扩散趋势进行验证。
其中，扩散趋势数据包括目标待确定扩散趋势集合，目标待确定扩散趋势集合包括至少一个待确定扩散趋势，不同的待确定扩散趋势分别由不同的预测模型生成。
步骤302，若至少一个待确定扩散趋势中的第一待确定扩散趋势通过验证，且第一待确定扩散趋势为目标待确定扩散趋势集合中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，根据所述遥感监测数据和所述散列函数生成第二待确定扩散趋势；
步骤303，将第二待确定扩散趋势添加至目标待确定扩散趋势集合，得到更新后的扩散趋势数据。
步骤304，将第二待确定扩散趋势在计算机设备100中进行遍历，以使计算机设备100中除生成第二待确定扩散趋势的预测模型之外的其余预测模型，将第二待确定扩散趋势分别更新至所属的扩散趋势数据。
步骤305，对更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新，将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势。
为了能够更加清楚地对前述步骤301进行描述，下面提供一种更加详细的实施方式。
子步骤301-1，从扩散趋势数据中获取多个待确定扩散趋势集合，获取多个待确定扩散趋势集合分别对应的数据量。
子步骤301-2，基于数据量对多个待确定扩散趋势集合进行排序，基于每个待确定扩散趋势集合的排序顺序，依次对每个待确定扩散趋势集合所包含的待确定扩散趋势进行验证。
其中，扩散趋势数据包括多个待确定扩散趋势集合，多个待确定扩散趋势集合包括目标待确定扩散趋势集合。
为了能够更加清楚的对上述步骤305进行解释，前述步骤310可以由以下的具体实施方式实现。
子步骤305-1，获取更新后的扩散趋势数据中所包含的待确定扩散趋势的数量，确定更新后的扩散趋势数据中每个待确定扩散趋势分别对应的预测模型，并获取与预测模型相匹配的可靠度。
子步骤305-2，基于更新后的扩散趋势数据中所包含的待确定扩散趋势的数量和可靠度，对更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新。
子步骤305-3，将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势，获取确定为目标扩散趋势的待确定扩散趋势对应的当前参考权重。
子步骤305-4，若当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为对比权重关系，则将确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合。
子步骤305-5，若当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为非对比权重关系，则对确定为目标扩散趋势的待确定扩散趋势进行参考权重更新，将更新后的确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合，目标扩散趋势集合用于存储确定为目标扩散趋势的所有待确定扩散趋势。
为了能够更加清楚的对前述步骤302进行描述，本申请实施例中提供了如下前述步骤302的具体实施方式。
子步骤302-1，获取遥感监测灾害数据所携带的证书信息，获取遥感设备300对应的安全码。
子步骤302-2，基于安全码对证书信息进行解密，得到证书信息对应的第一设备属性向量。
子步骤302-3，基于离散算法对遥感监测灾害数据进行离散运算，得到遥感监测灾害数据对应的第二设备属性向量。
子步骤302-4，若第一设备属性向量与第二设备属性向量相同，则遥感监测灾害数据验签通过，基于验签通过的遥感监测灾害数据生成扩散深度值。
子步骤302-5，根据散列函数生成扩散标识，根据扩散标识和扩散深度值生成第二待确定扩散趋势。
除此之外，本申请实施了还提供以下的情况。
步骤306，若目标待确定扩散趋势集合中存在未通过验证的待确定扩散趋势，且第一待确定扩散趋势为目标待确定扩散趋势集合中通过验证的待确定扩散趋势中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势。
步骤307，将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合，将新的待确定扩散趋势集合和目标待确定扩散趋势集合确定为更新后的扩散趋势数据。
除此之外，还可以通过以下的方式确定更新后的扩散趋势数据。
步骤308，若多个待确定扩散趋势集合中均存在未通过验证的待确定扩散趋势，则分别统计每个待确定扩散趋势集合中通过验证的待确定扩散趋势的目标数量，将具有最大的目标数量的待确定扩散趋势集合确定为目标待确定扩散趋势集合。
步骤309，从目标待确定扩散趋势集合所包含的通过验证的待确定扩散趋势中，获取具有最大参考权重的待确定扩散趋势作为第一待确定扩散趋势，获取第一待确定扩散趋势对应的散列函数。
步骤310，根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势，将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合。
步骤311，将新的待确定扩散趋势集合和多个待确定扩散趋势集合确定为更新后的扩散趋势数据。
在本申请实施例中，除了确定目标污染源之外，还可以对污染具体的扩散趋势进行预测，以便能够更加全面地对灾害造成的污染进行监控。具体的，可以获取遥感设备300上传的遥感监测灾害数据，从扩散趋势数据中获取多个待确定扩散趋势集合，获取多个待确定扩散趋势集合分别对应的数据量，进而基于数据量对多个待确定扩散趋势集合进行排序，基于每个待确定扩散趋势集合的排序顺序，依次对每个待确定扩散趋势集合所包含的待确定扩散趋势进行验证。为了能够保证获取数据的可靠性，可以在至少一个待确定扩散趋势中的第一待确定扩散趋势通过验证，且第一待确定扩散趋势为目标待确定扩散趋势集合中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，获取遥感监测灾害数据所携带的证书信息，获取遥感设备300对应的安全码。便可以基于安全码对证书信息进行解密，得到证书信息对应的第一设备属性向量，基于离散算法对遥感监测灾害数据进行离散运算，得到遥感监测灾害数据对应的第二设备属性向量。在本申请实施例中，具体的离散算法可以是指哈希算法。而若第一设备属性向量与第二设备属性向量相同，则遥感监测灾害数据验签通过，基于验签通过的遥感监测灾害数据生成扩散深度值。可以进一步地根据散列函数生成扩散标识，根据扩散标识和扩散深度值生成第二待确定扩散趋势，将第二待确定扩散趋势添加至目标待确定扩散趋势集合，得到更新后的扩散趋势数据。若目标待确定扩散趋势集合中存在未通过验证的待确定扩散趋势，且第一待确定扩散趋势为目标待确定扩散趋势集合中通过验证的待确定扩散趋势中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势，在此情况下，将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合，将新的待确定扩散趋势集合和目标待确定扩散趋势集合确定为更新后的扩散趋势数据。除此之外，若多个待确定扩散趋势集合中均存在未通过验证的待确定扩散趋势，则分别统计每个待确定扩散趋势集合中通过验证的待确定扩散趋势的目标数量，将具有最大的目标数量的待确定扩散趋势集合确定为目标待确定扩散趋势集合，此时，从目标待确定扩散趋势集合所包含的通过验证的待确定扩散趋势中，获取具有最大参考权重的待确定扩散趋势作为第一待确定扩散趋势，获取第一待确定扩散趋势对应的散列函数。根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势，将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合，并将新的待确定扩散趋势集合和多个待确定扩散趋势集合确定为更新后的扩散趋势数据。可以将第二待确定扩散趋势在计算机设备100中进行遍历，以使计算机设备100中除生成第二待确定扩散趋势的预测模型之外的其余预测模型，将第二待确定扩散趋势分别更新至所属的扩散趋势数据。同时获取更新后的扩散趋势数据中所包含的待确定扩散趋势的数量，确定更新后的扩散趋势数据中每个待确定扩散趋势分别对应的预测模型，并获取与预测模型相匹配的可靠度（0-1）。基于更新后的扩散趋势数据中所包含的待确定扩散趋势的数量和可靠度，对更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新，同时将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势，获取确定为目标扩散趋势的待确定扩散趋势对应的当前参考权重，在当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为对比权重关系，则将确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合。其中，对比权重关系可以是指二者的权重大小是相邻的。最后，在当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为非对比权重关系，则对确定为目标扩散趋势的待确定扩散趋势进行参考权重更新，将更新后的确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合，目标扩散趋势集合用于存储确定为目标扩散趋势的所有待确定扩散趋势。通过上述步骤，能够准确可靠地确定目标扩散趋势，并对目标扩散趋势进行存储，以便后续用户定制相应的灾害污染应对策略。
在前述基础上，遥感分析对象包括待检测区域的各个遥感影像信息，污染指标包括嫌疑污染源的各个污染影像信息；
作为一种可替换的实施例，在前述步骤203之前，还可以有以下的实施方式。
步骤205，将各个遥感影像信息和各个污染影像信息对应的低维图像向量进行嵌入处理，得到各个遥感影像信息和各个污染影像信息对应的高维图像向量。
在前述基础上，知识图谱还包括权重获取规则、低维度投影规则和高维度投影规则，待检测区域的遥感属性向量为遥感预测参考向量。前述步骤203可以由以下的具体实施方式实现。
子步骤203-1，基于权重获取规则确定遥感监测灾害数据和污染指标中不同的权重系数，获得置信度参考向量。
子步骤203-2，将各个高维图像向量和遥感预测参考向量分别匹配低维度投影规则，利用预设特征矩阵对各个高维图像向量和遥感预测参考向量中任意两个进行投影。
子步骤203-3，基于不同要敢预测参考向量和高维图像向量之间的投影结果生成低阶影像属性参考向量，以及基于高维度投影规则对遥感预测参考向量和各个高维图像向量进行投影，获得待检测区域对应的高阶影像属性参考向量；.
子步骤203-4，将置信度参考向量、低阶影像属性参考向量和高阶影像属性参考向量合并，确定待检测区域对嫌疑污染源的来源置信度。
在前述基础上，预先构建的知识图谱通过下列方式构建得到。
步骤401，从灾害污染数据遥感灾害数据库中选取灾害污染数据。
其中，灾害污染数据中标注有灾害污染对象对灾害污染区域的来源置信度。
步骤402，针对任意一个灾害污染数据，将灾害污染数据包含的灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标输入初始知识图谱，获得初始知识图谱预测的灾害污染对象对灾害污染区域的来源置信度。
步骤403，基于预设校正模型对初始知识图谱中的参数进行调整，使得每个灾害污染数据标注的来源置信度与在初始知识图谱中的来源置信度的差值在预设差值阈值内为止，得到预先构建的知识图谱。
通过上述步骤，能够构建出较为可靠的用于进行灾害污染预测的知识图谱，实现较为便捷，无需复杂的逻辑。
本申请实施例提供一种遥感监测自然灾害数据处理装置110，应用于计算机设备100，计算机设备100与终端设备200通信连接，如图3所示，遥感监测自然灾害数据处理装置110包括：
获取模块1101，用于响应终端设备200发送的待检测区域的灾害监测指示，获取待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，遥感监测灾害数据至少包括待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及待检测区域的遥感分析对象。
预测模块1102，用于分别将待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过预先构建的知识图谱中的预设关联关系对遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得待检测区域的遥感属性向量；其中，预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标。
计算模块1103，用于通过预先构建的知识图谱对遥感属性向量、遥感监测灾害数据和污染指标进行特征提取，获得知识图谱预测的待检测区域对嫌疑污染源的来源置信度；根据待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为待检测区域确定目标污染源。
进一步地，扩散趋势数据包括待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，污染结果数据包括待检测区域对应的预存扩散趋势向量。预测模块1102具体用于：
分别将待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照预设关联关系，基于预设关联关系对应的逻辑关系树对历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量；通过预设机制将历史扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第一参考向量，以及将预测扩散趋势特征向量与关键扩散趋势向量进行预测，获得待检测区域对应的第二参考向量；将历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到待检测区域的遥感预测参考向量，并将遥感预测参考向量作为待检测区域的遥感属性向量。
进一步地，获取模块1101还用于：
分别将历史扩散趋势向量、关键扩散趋势向量以及预存扩散趋势向量与时间标识进行绑定。
进一步地，计算机设备100还与遥感设备300通信连接，计算模块1103还用于：
获取遥感设备300上传的遥感监测灾害数据，从扩散趋势数据中获取多个待确定扩散趋势集合，获取多个待确定扩散趋势集合分别对应的数据量；基于数据量对多个待确定扩散趋势集合进行排序，基于每个待确定扩散趋势集合的排序顺序，依次对每个待确定扩散趋势集合所包含的待确定扩散趋势进行验证，扩散趋势数据包括多个待确定扩散趋势集合，多个待确定扩散趋势集合包括目标待确定扩散趋势集合，扩散趋势数据还包括目标待确定扩散趋势集合，目标待确定扩散趋势集合包括至少一个待确定扩散趋势，不同的待确定扩散趋势分别由不同的预测模型生成；若至少一个待确定扩散趋势中的第一待确定扩散趋势通过验证，且第一待确定扩散趋势为目标待确定扩散趋势集合中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，获取遥感监测灾害数据所携带的证书信息，获取遥感设备300对应的安全码；基于安全码对证书信息进行解密，得到证书信息对应的第一设备属性向量；基于离散算法对遥感监测灾害数据进行离散运算，得到遥感监测灾害数据对应的第二设备属性向量；若第一设备属性向量与第二设备属性向量相同，则遥感监测灾害数据验签通过，基于验签通过的遥感监测灾害数据生成扩散深度值；根据散列函数生成扩散标识，根据扩散标识和扩散深度值生成第二待确定扩散趋势，将第二待确定扩散趋势添加至目标待确定扩散趋势集合，得到更新后的扩散趋势数据；若目标待确定扩散趋势集合中存在未通过验证的待确定扩散趋势，且第一待确定扩散趋势为目标待确定扩散趋势集合中通过验证的待确定扩散趋势中具有最大参考权重的待确定扩散趋势，则获取第一待确定扩散趋势对应的散列函数，根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势；将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合，将新的待确定扩散趋势集合和目标待确定扩散趋势集合确定为更新后的扩散趋势数据；若多个待确定扩散趋势集合中均存在未通过验证的待确定扩散趋势，则分别统计每个待确定扩散趋势集合中通过验证的待确定扩散趋势的目标数量，将具有最大的目标数量的待确定扩散趋势集合确定为目标待确定扩散趋势集合；从目标待确定扩散趋势集合所包含的通过验证的待确定扩散趋势中，获取具有最大参考权重的待确定扩散趋势作为第一待确定扩散趋势，获取第一待确定扩散趋势对应的散列函数；根据遥感监测灾害数据和散列函数生成第二待确定扩散趋势，将目标待确定扩散趋势集合中通过验证的所有待确定扩散趋势，以及第二待确定扩散趋势，构成新的待确定扩散趋势集合；将新的待确定扩散趋势集合和多个待确定扩散趋势集合确定为更新后的扩散趋势数据；将第二待确定扩散趋势在计算机设备100中进行遍历，以使计算机设备100中除生成第二待确定扩散趋势的预测模型之外的其余预测模型，将第二待确定扩散趋势分别更新至所属的扩散趋势数据；获取更新后的扩散趋势数据中所包含的待确定扩散趋势的数量，确定更新后的扩散趋势数据中每个待确定扩散趋势分别对应的预测模型，并获取与预测模型相匹配的可靠度；基于更新后的扩散趋势数据中所包含的待确定扩散趋势的数量和可靠度，对更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新；将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势，获取确定为目标扩散趋势的待确定扩散趋势对应的当前参考权重；若当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为对比权重关系，则将确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合；若当前参考权重与目标扩散趋势集合中的最高权重值对应的参考权重之间为非对比权重关系，则对确定为目标扩散趋势的待确定扩散趋势进行参考权重更新，将更新后的确定为目标扩散趋势的待确定扩散趋势添加至目标扩散趋势集合，目标扩散趋势集合用于存储确定为目标扩散趋势的所有待确定扩散趋势。
进一步地，遥感分析对象包括待检测区域的各个遥感影像信息，污染指标包括嫌疑污染源的各个污染影像信息，计算模块1103还用于：
将各个遥感影像信息和各个污染影像信息对应的低维图像向量进行嵌入处理，得到各个遥感影像信息和各个污染影像信息对应的高维图像向量。
进一步地，知识图谱还包括权重获取规则、低维度投影规则和高维度投影规则，待检测区域的遥感属性向量为遥感预测参考向量计算模块1103具体用于：
基于权重获取规则确定遥感监测灾害数据和污染指标中不同的权重系数，获得置信度参考向量；将各个高维图像向量和遥感预测参考向量分别匹配低维度投影规则，利用预设特征矩阵对各个高维图像向量和遥感预测参考向量中任意两个进行投影；基于不同要敢预测参考向量和高维图像向量之间的投影结果生成低阶影像属性参考向量，以及基于高维度投影规则对遥感预测参考向量和各个高维图像向量进行投影，获得待检测区域对应的高阶影像属性参考向量；将置信度参考向量、低阶影像属性参考向量和高阶影像属性参考向量合并，确定待检测区域对嫌疑污染源的来源置信度。
进一步地，获取模块1101还用于：
从灾害污染数据遥感灾害数据库中选取灾害污染数据，其中，灾害污染数据中标注有灾害污染对象对灾害污染区域的来源置信度；针对任意一个灾害污染数据，将灾害污染数据包含的灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标输入初始知识图谱，获得初始知识图谱预测的灾害污染对象对灾害污染区域的来源置信度；基于预设校正模型对初始知识图谱中的参数进行调整，使得每个灾害污染数据标注的来源置信度与在初始知识图谱中的来源置信度的差值在预设差值阈值内为止，得到预先构建的知识图谱。
需要说明的是，前述在遥感监测自然灾害数据处理装置110的实现原理可以参考前述在遥感监测自然灾害数据处理方法的实现原理，在此不再赘述。应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块1101可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上获取模块1101的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上***(system-on-a-chip，SOC)的形式实现。
本发明实施例提供一种计算机设备100，计算机设备100包括处理器及存储有计算机指令的非易失性存储器，计算机指令被处理器执行时，计算机设备100执行前述的遥感监测自然灾害数据处理装置110。如图4所示，图4为本发明实施例提供的计算机设备100的结构框图。计算机设备100包括在遥感监测自然灾害数据处理装置110、存储器111、处理器112及通信单元113。
为实现数据的传输或交互，存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接。例如，可通过一条或多条通讯总线或信号线实现这些元件相互之间电性连接。在遥感监测自然灾害数据处理装置110包括至少一个可以软件或固件（firmware）的形式存储于存储器111中或固化在计算机设备100的操作***（operatingsystem，OS）中的软件功能模块。处理器112用于执行存储器111中存储的遥感监测自然灾害数据处理装置110，例如在获取模块1101中所包括的软件功能模块及计算机程序等。
本发明实施例提供一种可读存储介质，可读存储介质包括计算机程序，计算机程序运行时控制可读存储介质所在计算机设备执行前述的遥感监测自然灾害数据处理方法。
综上所述，采用本申请实施例提供的一种遥感监测自然灾害数据处理方法及装置，通过响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；再分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；进而通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；最终根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源，能够巧妙地基于遥感技术对自然灾害的源头进行监控管理。
出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。

Claims (10)

1.一种遥感监测自然灾害数据处理方法，其特征在于，应用于计算机设备，所述计算机设备与终端设备通信连接，所述方法包括：
响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；
分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；
通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；
根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源。
2.根据权利要求1所述的方法，其特征在于，所述扩散趋势数据包括所述待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，所述污染结果数据包括所述待检测区域对应的预存扩散趋势向量；
所述通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述预设关联关系预测的所述待检测区域的遥感属性向量的步骤，包括：
分别将所述待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照所述预设关联关系，基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量；
通过预设机制将所述历史扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第一参考向量，以及将所述预测扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第二参考向量；
将所述历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到所述待检测区域的遥感预测参考向量，并将所述遥感预测参考向量作为所述待检测区域的遥感属性向量。
3.根据权利要求2所述的方法，其特征在于，在所述基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量的步骤之前，所述方法还包括：
分别将所述历史扩散趋势向量、所述关键扩散趋势向量以及所述预存扩散趋势向量与时间标识进行绑定。
4.根据权利要求1所述的方法，其特征在于，所述计算机设备还与遥感设备通信连接，所述方法还包括确定目标扩散趋势的步骤，该步骤包括：
获取所述遥感设备上传的遥感监测灾害数据，对扩散趋势数据所存储的待确定扩散趋势进行验证，所述扩散趋势数据包括目标待确定扩散趋势集合，所述目标待确定扩散趋势集合包括至少一个待确定扩散趋势，不同的待确定扩散趋势分别由不同的预测模型生成；
若所述至少一个待确定扩散趋势中的第一待确定扩散趋势通过验证，且所述第一待确定扩散趋势为所述目标待确定扩散趋势集合中具有最大参考权重的待确定扩散趋势，则获取所述第一待确定扩散趋势对应的散列函数，根据所述遥感监测数据和所述散列函数生成第二待确定扩散趋势；
将所述第二待确定扩散趋势添加至所述目标待确定扩散趋势集合，得到更新后的扩散趋势数据；
将所述第二待确定扩散趋势在计算机设备中进行遍历，以使所述计算机设备中除生成所述第二待确定扩散趋势的预测模型之外的其余预测模型，将所述第二待确定扩散趋势分别更新至所属的扩散趋势数据；
对所述更新后的扩散趋势数据中每个待确定扩散趋势分别对应的扩散趋势置信度进行更新，将更新后的扩散趋势置信度大于预设置信度阈值的待确定扩散趋势确定为目标扩散趋势。
5.根据权利要求1所述的方法，其特征在于，所述遥感分析对象包括所述待检测区域的各个遥感影像信息，所述污染指标包括所述嫌疑污染源的各个污染影像信息；
在所述通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取的步骤之前，所述方法还包括：
将各个遥感影像信息和各个污染影像信息对应的低维图像向量进行嵌入处理，得到各个遥感影像信息和各个污染影像信息对应的高维图像向量。
6.根据权利要求5所述的方法，其特征在于，所述知识图谱还包括权重获取规则、低维度投影规则和高维度投影规则；所述待检测区域的遥感属性向量为遥感预测参考向量；
所述通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度的步骤，包括：
基于所述权重获取规则确定所述遥感监测灾害数据和所述污染指标中不同的权重系数，获得置信度参考向量；
将所述各个高维图像向量和所述遥感预测参考向量分别匹配所述低维度投影规则，利用预设特征矩阵对所述各个高维图像向量和所述遥感预测参考向量中任意两个进行投影；
基于不同要敢预测参考向量和高维图像向量之间的投影结果生成所述低阶影像属性参考向量，以及基于所述高维度投影规则对所述遥感预测参考向量和所述各个高维图像向量进行投影，获得所述待检测区域对应的高阶影像属性参考向量；
将所述置信度参考向量、所述低阶影像属性参考向量和所述高阶影像属性参考向量合并，确定所述待检测区域对所述嫌疑污染源的来源置信度。
7.根据权利要求1所述的方法，其特征在于，所述预先构建的知识图谱通过下列方式构建得到：
从所述灾害污染数据遥感灾害数据库中选取灾害污染数据，其中，所述灾害污染数据中标注有灾害污染对象对灾害污染区域的来源置信度；
针对任意一个灾害污染数据，将所述灾害污染数据包含的灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标输入初始知识图谱，获得所述初始知识图谱预测的所述灾害污染对象对所述灾害污染区域的来源置信度；
基于预设校正模型对所述初始知识图谱中的参数进行调整，使得每个灾害污染数据标注的来源置信度与在所述初始知识图谱中的来源置信度的差值在预设差值阈值内为止，得到所述预先构建的知识图谱。
8.一种遥感监测自然灾害数据处理装置，其特征在于，应用于计算机设备，所述计算机设备与终端设备通信连接，所述装置包括：
获取模块，用于响应所述终端设备发送的待检测区域的灾害监测指示，获取所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标，其中，所述遥感监测灾害数据至少包括所述待检测区域对历史检测数据的污染结果数据、扩散趋势数据以及所述待检测区域的遥感分析对象；
预测模块，用于分别将所述待检测区域的遥感监测灾害数据和嫌疑污染源的污染指标输入预先构建的知识图谱，通过所述预先构建的知识图谱中的预设关联关系对所述遥感监测灾害数据中的污染结果数据和扩散趋势数据进行预测，获得所述待检测区域的遥感属性向量；其中，所述预先构建的知识图谱是根据来源置信度预先设置的灾害污染数据遥感灾害数据库构建的，所述灾害污染数据遥感灾害数据库中的灾害污染数据包括灾害污染对象的遥感监测灾害数据和灾害污染区域的污染指标；
计算模块，用于通过所述预先构建的知识图谱对所述遥感属性向量、所述遥感监测灾害数据和所述污染指标进行特征提取，获得所述知识图谱预测的所述待检测区域对所述嫌疑污染源的来源置信度；根据所述待检测区域对各个嫌疑污染源的来源置信度，从嫌疑污染源中为所述待检测区域确定目标污染源。
9.根据权利要求8所述的装置，其特征在于，所述扩散趋势数据包括所述待检测区域对应的历史扩散趋势向量和关键扩散趋势向量，所述污染结果数据包括所述待检测区域对应的预存扩散趋势向量；
所述预测模块具体用于：
分别将所述待检测区域对应的历史扩散趋势向量、关键扩散趋势向量和预存扩散趋势向量参照所述预设关联关系，基于所述预设关联关系对应的逻辑关系树对所述历史扩散趋势向量进行投影得到对应的历史扩散趋势特征向量，以及对所述关键扩散趋势向量进行投影得到对应的关键扩散趋势特征向量，以及对所述预存扩散趋势向量进行投影得到对应的预测扩散趋势特征向量；
通过预设机制将所述历史扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第一参考向量，以及将所述预测扩散趋势特征向量与所述关键扩散趋势向量进行预测，获得所述待检测区域对应的第二参考向量；
将所述历史扩散趋势特征向量、关键扩散趋势特征向量、预测扩散趋势特征向量、第一参考向量和第二参考向量进行合并，得到所述待检测区域的遥感预测参考向量，并将所述遥感预测参考向量作为所述待检测区域的遥感属性向量。
10.根据权利要求9所述的装置，其特征在于，所述获取模块还用于：
分别将所述历史扩散趋势向量、所述关键扩散趋势向量以及所述预存扩散趋势向量与时间标识进行绑定。
CN202010945020.1A 2020-09-10 2020-09-10 一种遥感监测自然灾害数据处理方法及装置 Active CN112035679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010945020.1A CN112035679B (zh) 2020-09-10 2020-09-10 一种遥感监测自然灾害数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010945020.1A CN112035679B (zh) 2020-09-10 2020-09-10 一种遥感监测自然灾害数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN112035679A true CN112035679A (zh) 2020-12-04
CN112035679B CN112035679B (zh) 2021-02-23

Family

ID=73585295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010945020.1A Active CN112035679B (zh) 2020-09-10 2020-09-10 一种遥感监测自然灾害数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN112035679B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114547322A (zh) * 2021-12-27 2022-05-27 重庆市生态环境大数据应用中心 一种用于识别水环境污染的知识图谱方法
CN116546431A (zh) * 2023-07-04 2023-08-04 北京江云智能科技有限公司 一种基于北斗全网通多网融合数据采集通信***及方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007011582A (ja) * 2005-06-29 2007-01-18 Information & Science Techno-System Co Ltd 洪水予測システム
CN103268476A (zh) * 2013-05-14 2013-08-28 中国科学院自动化研究所 一种遥感图像目标监测方法
CN105205807A (zh) * 2015-08-19 2015-12-30 西安电子科技大学 基于稀疏自动编码机的遥感图像变化检测方法
CN106022288A (zh) * 2016-05-30 2016-10-12 电子科技大学 基于sar图像的海洋溢油信息识别与提取方法
CN106485718A (zh) * 2016-09-30 2017-03-08 北京通航信息科技有限公司 一种过火迹地识别方法及装置
CN107340365A (zh) * 2017-06-19 2017-11-10 中国科学院南京地理与湖泊研究所 一种面向湖泊蓝藻灾害的立体监控及数据挖掘***和方法
CN108959831A (zh) * 2018-09-14 2018-12-07 西安理工大学 基于复杂性理论的水污染运移模拟仿真***
CN109211793A (zh) * 2018-09-12 2019-01-15 中国科学技术大学 结合光谱指数和神经网络的火灾过火迹地识别方法
CN109766815A (zh) * 2019-01-03 2019-05-17 银河航天（北京）科技有限公司 一种对目标事件进行预警的***与方法
CN110826766A (zh) * 2019-09-25 2020-02-21 中科卫星应用德清研究院 地表饮用水源集水区灾害情景下污染预测方法及***
CN111258995A (zh) * 2020-01-14 2020-06-09 腾讯科技（深圳）有限公司 数据处理方法、装置、存储介质及设备
CN111310621A (zh) * 2020-02-04 2020-06-19 北京百度网讯科技有限公司 遥感卫星火点识别方法、装置、设备及存储介质
CN111307727A (zh) * 2020-03-13 2020-06-19 生态环境部卫星环境应用中心 基于时序遥感影像的水体水色异常识别方法和装置
CN111398176A (zh) * 2020-03-13 2020-07-10 生态环境部卫星环境应用中心 基于像元尺度特征的水体水色异常遥感识别方法和装置
CN111611405A (zh) * 2020-05-22 2020-09-01 北京明略软件***有限公司 一种知识图谱构建方法、装置、电子设备及存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007011582A (ja) * 2005-06-29 2007-01-18 Information & Science Techno-System Co Ltd 洪水予測システム
CN103268476A (zh) * 2013-05-14 2013-08-28 中国科学院自动化研究所 一种遥感图像目标监测方法
CN105205807A (zh) * 2015-08-19 2015-12-30 西安电子科技大学 基于稀疏自动编码机的遥感图像变化检测方法
CN106022288A (zh) * 2016-05-30 2016-10-12 电子科技大学 基于sar图像的海洋溢油信息识别与提取方法
CN106485718A (zh) * 2016-09-30 2017-03-08 北京通航信息科技有限公司 一种过火迹地识别方法及装置
CN107340365A (zh) * 2017-06-19 2017-11-10 中国科学院南京地理与湖泊研究所 一种面向湖泊蓝藻灾害的立体监控及数据挖掘***和方法
CN109211793A (zh) * 2018-09-12 2019-01-15 中国科学技术大学 结合光谱指数和神经网络的火灾过火迹地识别方法
CN108959831A (zh) * 2018-09-14 2018-12-07 西安理工大学 基于复杂性理论的水污染运移模拟仿真***
CN109766815A (zh) * 2019-01-03 2019-05-17 银河航天（北京）科技有限公司 一种对目标事件进行预警的***与方法
CN110826766A (zh) * 2019-09-25 2020-02-21 中科卫星应用德清研究院 地表饮用水源集水区灾害情景下污染预测方法及***
CN111258995A (zh) * 2020-01-14 2020-06-09 腾讯科技（深圳）有限公司 数据处理方法、装置、存储介质及设备
CN111310621A (zh) * 2020-02-04 2020-06-19 北京百度网讯科技有限公司 遥感卫星火点识别方法、装置、设备及存储介质
CN111307727A (zh) * 2020-03-13 2020-06-19 生态环境部卫星环境应用中心 基于时序遥感影像的水体水色异常识别方法和装置
CN111398176A (zh) * 2020-03-13 2020-07-10 生态环境部卫星环境应用中心 基于像元尺度特征的水体水色异常遥感识别方法和装置
CN111611405A (zh) * 2020-05-22 2020-09-01 北京明略软件***有限公司 一种知识图谱构建方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114547322A (zh) * 2021-12-27 2022-05-27 重庆市生态环境大数据应用中心 一种用于识别水环境污染的知识图谱方法
CN116546431A (zh) * 2023-07-04 2023-08-04 北京江云智能科技有限公司 一种基于北斗全网通多网融合数据采集通信***及方法
CN116546431B (zh) * 2023-07-04 2023-09-19 北京江云智能科技有限公司 一种基于北斗全网通多网融合数据采集通信***及方法

Also Published As

Publication number Publication date
CN112035679B (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
CN108427939B (zh) 模型生成方法和装置
CN103403739B (zh) 用于比较图像的方法和***
CN112035679B (zh) 一种遥感监测自然灾害数据处理方法及装置
EP3346428A1 (en) Sensor design support apparatus, sensor design support method and computer program
CN108416902A (zh) 基于差异识别的实时物体识别方法和装置
KR20190007816A (ko) 동영상 분류를 위한 전자 장치 및 그의 동작 방법
WO2015066628A1 (en) Systems and methods for facial representation
CN111612038B (zh) 异常用户检测方法及装置、存储介质、电子设备
CN112418200B (zh) 基于热成像的对象检测方法、装置及服务器
CN110881050A (zh) 安全威胁检测方法及相关产品
CN114758249B (zh) 基于野外夜间环境的目标物监测方法、装置、设备及介质
CN109684302A (zh) 数据预测方法、装置、设备及计算机可读存储介质
CN111931047A (zh) 基于人工智能的黑产账号检测方法及相关装置
US9928408B2 (en) Signal processing
KR102300500B1 (ko) 제품 입체컷 이미지 처리 방법, 장치 및 시스템
CN111368128B (zh) 目标图片的识别方法、装置和计算机可读存储介质
CN114677611A (zh) 数据识别方法、存储介质及设备
CN116303677A (zh) 基于数据分布均衡度的衡量方法、装置、设备及存储介质
KR102146650B1 (ko) Cctv 관제 시스템의 설계 방법 및 장치
CN111797406A (zh) 一种医疗基金数据分析处理方法、装置及可读存储介质
CN113160414A (zh) 货物余量自动识别方法、装置、电子设备以及计算机可读介质
CN112231571A (zh) 资讯数据的处理方法、装置、设备及存储介质
CN111553375A (zh) 使用变换以验证计算机视觉质量
CN115801845B (zh) 基于边缘计算的工业互联网数据采集方法及相关设备
CN114095284B (zh) 一种智能流量调度保护方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A data processing method and device for remote sensing monitoring of natural disasters

Effective date of registration: 20210617

Granted publication date: 20210223

Pledgee: China Co. truction Bank Corp Guangzhou economic and Technological Development Zone sub branch

Pledgor: GUANGDONG XINHEDAO INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2021440000207

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230612

Granted publication date: 20210223

Pledgee: China Co. truction Bank Corp Guangzhou economic and Technological Development Zone sub branch

Pledgor: GUANGDONG XINHEDAO INFORMATION TECHNOLOGY CO.,LTD.

Registration number: Y2021440000207