时空信息学报丨震害任务驱动的遥感信息服务链动态演化方法_最新动态

首页 > 最新动态 > 时空信息学报丨震害任务驱动的遥感信息服务链动态演化方法

最新动态

时空信息学报丨震害任务驱动的遥感信息服务链动态演化方法

2025-01-2641

收录于话题

《时空信息学报》是由自然资源部主管，国家基础地理信息中心、中国地理信息产业协会、黑龙江测绘地理信息局共同主办的中文学术期刊，双月刊。为分享最新研究成果，搭建学术交流平台，中国地理信息产业协会公众号开设“时空信息学报”专栏，独家刊载《时空信息学报》论文，供广大读者研阅。1月2日起，陆续刊发2024年第5期的10篇论文。欢迎产学研用各界关注、分享！

震害任务驱动的遥感信息服务链动态演化方法

杜志强¹，周天畅¹，甘巧燕²

1. 武汉大学测绘遥感信息工程国家重点实验室，武汉 430079；

2. 中国电子科技集团第十研究所，成都 610036

摘要：我国饱受地震灾害困扰，其社会影响与造成的经济损失巨大。利用遥感数据对灾区进行动态震害评估，能够有效支持应急救援和恢复重建，可在一定程度上降低灾害损失。如何根据不同震害评估任务需求，动态演化遥感信息服务链，满足演化过程中的灵活性和高响应能力的需求，已成为智能化抗震救灾中的焦点问题。根据遥感信息服务链动态演化面临的实际问题，本文从任务功能需求、数据需求、质量需求三个方面进行服务链演化驱动分析，提出基于多维度语义关联模型的推理演算方法，实现不同驱动力条件下遥感信息服务链动态演化。结果表明，本方法的执行时间为7 min，满足相关行业标准小于10 min的演化要求。基于任务驱动的遥感信息服务链演化方法可以有效地支持震灾害后的评估任务。

关键词：地震灾害；震害评估；服务链；语义匹配；动态演化；遥感信息；任务驱动

引用格式：杜志强, 周天畅, 甘巧燕. 2024. 震害任务驱动的遥感信息服务链动态演化方法. 时空信息学报, 31(5): 666-679

Du Z Q, Zhou T C, Gan Q Y. 2024. Dynamic evolution of remote sensing information service chain driven by earthquake damage assessment. Journal of Spatio-temporal Information, 31(5): 666-679, doi: 10.20117/j.jsti.202406003

1 引言

突发性自然灾害会对社会经济发展造成很大破坏，是影响国民经济发展的重要制约因素（郭晓宁等，2016）。其中，地震是自然灾害之首，具有突发性和不可预测性（姜宁等，2016）。灾害评估是灾害管理工作中极为重要的一环，对灾情做出快速、准确的评估，可以为震后应急救援、决策指挥和灾后重建等提供技术支持和决策依据（叶昕等，2016，2019）。目前，对地震的诱因研究还不成熟，很难预测地震发生的时间，因此，震后能够及时准确地得到建筑物、基础设施、生命线等承灾体的受灾情况，对于应急救援、灾害救助具有重大现实意义（黄树松等，2016；Arnaouti等，2022）。

近年来，遥感技术在一系列重大自然灾害中得到了广泛应用，已成为我国防减灾救灾的基本现代化支撑，为灾害监测评估、应急响应和指挥决策提供了有力支持（Ye，2022；张齐和张鹏林，2022；张方泽等，2023；向曦等，2024；张锐等，2024）。全球空间基础设施已进入系统化发展和全球化服务的新阶段。当前，以高分（GF）系列卫星为代表的新型遥感卫星正加速发展，推动我国灾害遥感从研究应用型向业务服务型转变，越来越多的机构和个人把遥感信息数据、遥感处理方法封装为Web服务并发布在Internet上（吴华意等，2020；龙恩等，2023）。

服务链演化是在动态环境或任务需求变化的驱动下，通过对已生成的服务链进行流程重整或个别服务的调整，满足动态环境或需求的变化。按驱动力不同主要分为：①依赖用户偏好和服务网络环境的情境驱动的服务链演化（冯在文等，2008；史银雪，2014）；②基于灾害事件关联关系及其链式效应的事件驱动的服务链演化（李从东等，2012；Chen等，2018a，2018b）；③解析任务不同需求的基于任务驱动的服务链演化（文斌等，2010；雒佳琳，2019）。但现有灾害应急领域的空间信息服务链仍以传统预案式静态的元数据+人工经验服务链为主，难以适应震害需求语义的动态性、数据语义的丰富性、遥感信息处理语义的复杂性，以及语义间的关联性等需求（He等，2023；Dong等，2024）。从大量服务中快速筛选出满足需求的遥感数据服务和适配的处理服务、模型及算法变得十分困难。

因此，需进一步研究能够适应任务需求变化和数据-模型-算法动态性的遥感信息服务链演化技术。其中，数据动态性体现在震后不同时段需要不同类型和数量的遥感数据，模型动态性体现在需要根据震害类型和应用场景选择不同的评估模型，算法动态性意味着需要根据数据质量和评估精度要求等因素动态调整遥感数据处理算法。然而，用户对震害信息的抽象需求（如受灾区域、救援路线等），与具体地理信息需求（如精确的地理坐标、受灾类型、波及范围等）之间存在差距（张翼等，2021）。此外，多源遥感数据的语义标注，如数据类型、时间、空间分辨率、传感器类型、灾害信息类别等，以及不同遥感信息处理方法的语义描述，如目标检测、变化检测、图像分类等，也需进一步规范，才能实现高效的信息理解、检索和处理（Tasar等，2020；Zhao等，2022）。为解决上述问题，基于已有研究（杜志强等，2024）中的震害评估任务驱动的遥感信息服务链方法，本文综合考虑任务需求、数据资源和服务目标之间的关联关系，提出一种基于多维度语义关联模型的推理演算方法，可以随震害的发展、数据的新增及用户需求的变化为地震灾害评估提供及时、稳定、有效的服务链。

2 遥感信息服务链演化驱动力分析

现有的遥感与地理信息服务链大多以工作流为主，工作流通常预先定义了固定的流程，依赖经验丰富的专家提前设计服务链并发布，用户根据既定的规则上传符合要求的输入数据即可运行服务链（Friis-Christensen等，2009）。这种服务链实质上仍是静态的，对地震灾害评估任务而言，任务需求本身具有动态性和复杂性，不同的任务专题会有各自的处理流程，使得传统的基于工作流的服务模式难以适应灵活多变的震害评估任务场景。此外，对同一任务专题来说不同的数据—处理方法都有各自的优缺点和适用范围，而处理方法间存在着竞争、依赖、协同等多种关联关系（Lozano等，2023）。这也对服务链的动态性和灵活性提出了更高的要求。因此，需要研究如何根据任务需求和数据、服务之间的关联关系对已构建的服务链进行动态演化，以满足动态需求。

任务需求的动态性、并发性及环境变化的不确定性是遥感信息服务链演化的根本驱动力（李德仁等，2010）。本文主要围绕任务需求的动态性驱动，探讨服务链演化，暂不考虑任务的并发性或外部网络环境的影响。针对任务语义描述模型，从功能约束、数据约束和质量约束三个方面来分析服务链演化。

2.1 任务功能约束

地震灾害评估是一个贯穿灾前预防、灾中应急和灾后恢复重建多个阶段的持续性工作。灾害评估的每个阶段都对应着不同的评估目标和信息需求，对震害评估任务的功能提出了特定的约束，流程如图1所示。在灾前预防阶段，任务功能侧重于地震风险评估和脆弱性分析，需要识别潜在的地震易发区、评估建筑物抗震能力等，为制定防震减灾措施提供依据。在灾中应急阶段，任务功能重点关注灾情快速获取和实时评估，需要快速评估灾害范围和程度、人员伤亡情况、道路损毁情况等，为制定应急救援方案提供决策支持（眭海刚等，2019）。在灾后恢复重建阶段，任务功能则转向灾害损失的详细统计和分析，如建筑物损毁程度评级、基础设施修复方案制定、灾区重建规划等，为灾后恢复重建工作提供科学指导（王东明等，2021）。尽管不同阶段的任务侧重不同，但其并非相互孤立，而是相互关联、逐步深入的。灾前积累的数据和模型可以为灾中快速评估提供基础，灾中、灾后获取的信息也能为灾后重建和未来的灾前预防提供参考，形成一个数据和知识积累的闭环。

此外，震害评估涵盖了建筑物损毁评估、道路损毁评估、地震强度和范围评估、地震地质灾害评估、人员伤亡评估等多种专题，每个专题对应着不同的评估方法和数据需求，相应的任务功能也需要做出调整。例如，建筑物损毁评估需要识别建筑物的类型、结构、层数等信息，并根据地震烈度和建筑物特征评估其损毁程度。道路损毁评估则需要识别道路类型、路面状况、桥梁隧道等信息，评估道路的通行能力（李京，2012）。

因此，服务链需要根据灾害管理阶段和评估目标的变化，动态调整数据获取、处理和分析流程，以及服务内容与方式。同时还要具备整合多源异构数据的能力，满足不同评估专题的数据需求，确保服务响应速度和精度，为灾害管理提供科学决策支持。

2.2 任务数据约束

随着地震发生时间的推移，获取到的数据有一个变化的过程。从地震初期的行政区划、人口分布数据等基础地理数据，到中期获取的遥感数据，后期具备的现场调查、上报数据等；对于不同阶段的数据，处理流程、处理方法都不一样；即使对同一种数据，也可以有不同的处理流程和算法。因此，任务数据约束也是服务链演化的驱动力之一。通常每种处理流程和方法都有使用条件与范围，即服务对其输入数据的类型和属性具有约束，数据若发生变化需重新选择合适的处理流程和服务，形成新的服务链。

以地震遥感建筑物损毁评估为例，震害遥感建筑物损毁评估主要包括基于地震前后遥感数据的变化检测和基于震后单时相遥感数据的信息提取两类方法。

（1）变化检测要求同时具备地震前后不同时相的遥感数据，且震前数据的数量和质量对评估结果十分重要；后者不依赖震前数据，适用于震前遥感数据缺乏的情况（李强等，2017）。变化检测技术主要是利用震害前后目标物体的形态和光谱特征的差异，提取在地震中遭到破坏而变化较大的信息。变化检测对数据源有要求，需要获取同一传感器地震前后的影像，依次进行辐射校正、几何校正后配准，在同一基准下完成变化检测，提取损毁信息，包括是否有变化、变化发生的范围、变化发生的具体类型。常用差值法、比值法、主成分分析等方法（眭海刚等，2019）。

（2）地震灾害发生时，实际上，有些地区不一定能获取到震前遥感影像，尤其是高分辨率遥感影像，比较而言震后遥感数据更易得到，因此，基于震后单时相遥感数据的信息提取相对容易实现。常见的评估方法包括目视解析、基于像素的遥感影像分类和面向对象的遥感影像分类等。基于像素的遥感影像分类主要是通过对影像先后进行影像增强和影像分类，提取建筑物震害信息；因分类时仅依靠影像的光谱特征，适用于中低分辨率的遥感影像，对高分辨率影像的分类精度不高。面向对象的影像分类方法充分利用地物的光谱、纹理及几何等特征，通过影像分割实现对象化的影像特征描述，提高分类精度。

例如，假设获取到了两组不同的输入数据，第一组有地震前后的高分辨率遥感影像，第二组只获取到了震后高分辨率影像，如图2所示。针对第一组数据，可利用变化检测法得到建筑物损毁类型和程度。变化检测前需对两期影像进行辐射校正、几何校正及影像配准预处理，配准完成后进行变化检测，然后对变化检测结果进行评估，得到建筑物破坏的等级，服务链为ServiceChain1={A→B→C→ D→F}。针对第二组数据，宜采用面向对象的分类法，对震后影像进行辐射校正和几何校正，然后进行影像分类和建筑物损毁评估，服务链为Service Chain2={A→B→E→F}。因此，震害评估任务服务链会随不同的数据约束动态变化。实际上，地震灾害发生后，各种灾害数据会如潮水般涌入，如早期获取的基础地理信息、中期不断获取的遥感影像数据，以及后期的现场调查数据、上报数据等，实际震害评估任务通常需要依据任务的功能需求目标，结合不断变化的数据约束，如获取的数据类型、属性等进行数据预处理服务的选取，因此，需要充分利用任务–数据–服务关联的逻辑关系，挑选适宜的服务进行重组，进行服务链动态演化。

2.3 任务质量约束

地震灾害发生时，除了上述提到的震害评估任务变化，评估任务的质量需求也会变化。例如，地震刚发生时，更注重的是评估的时效性，为了尽快开展应急救援，需要先对地震灾情有整体而全面的了解，而对精度的要求相对较低；地震后期损失评估时，重点是对实物量的评估，对精度要求相应有所提升。这种从注重时效性到注重精度的转变，正是震害评估任务质量约束动态性的体现，因此，需要对已构建的服务链进行动态演化。

由于任务质量约束变化引起的服务链演化通常首先进行服务重定位，即找到需要替换的服务所在的位置，以替代服务进行替换来保证新的服务链满足质量需求。任务质量需求约束描述了数据质量语义约束和服务质量语义约束，反之，数据和处理服务的质量又决定了任务的质量。当除质量外的其他因素都不变时，通过对服务链的重定位进行演化。由于数据不变，所以需要重定位的部位通常集中在数据预处理服务和震害信息提取服务的选择上，从候选服务中重新选择与该关键服务为竞争关系的服务进行替换。

3 基于语义约束模型的推理演算

3.1 基于语义约束模型的规则推理

形式逻辑中推理由已知前提、推理结果和推理形式组成。根据应用目的，可分为演绎推理、归纳推理、类别推理、情景推理、案例推理、规则推理等（邢华桥等，2019）。规则推理是根据某些规则从已知条件推导新事实的过程（王志华等，2011）。规则推理更接近人类的思维方式，易于理解，因此成为人工智能、专家系统、服务组合等领域常用的推理方法（郑昌兴和刘喜文，2016）。根据推理方向，可分为正向、反向和混合推理（王志华等，2012）。已知条件和推理结论组成推理规则，表达为：前提或条件，结论或动作。即若前提或条件得到满足，就能得到对应结论或执行相应动作。在服务链演化过程中，任务–数据–服务本体及相互关系可以作为推理规则中的条件，凭借不同的条件来对结果进行推理判断。其中，输入数据之间的关系可以用父子、转换、一致性来判断，服务间的关系可以用顺序–分支–并行–循环四种流程关系和聚合、实例化、竞争三种描述关系来表达，服务与数据间的关系包括类型约束和属性约束关系两种。

以建筑物损毁评估任务为例，整个任务流程除了数据获取，主要有遥感数据预处理、震害变化信息提取和评估与结果三大类，如图3所示。遥感数据预处理是对原始遥感影像数据进行，如辐射校正、几何纠正、影像融合等一项或几项操作，预处理一般不会改变数据类型，是通过改变数据的属性满足后续震害信息提取的需求。预处理的输出数据为建筑物震害信息提取的数据输入。震害信息提取包括目视解译和自动分类两种方法，其中，自动分类包括影像分类、变化检测和面向对象提取等方法。

将上述分析过程映射到选取服务过程中，从业务流程角度来看，不同阶段间通过任务、数据与服务关系，选取合适的服务，将遥感数据预处理、震害变化信息提取、评估与结果三大阶段按顺序相互衔接；从阶段内部组合来看，每个阶段需要按照需求各自选择合适的输入数据，并依据任务–数据–服务的约束选取合适的处理服务，又依照服务间关系进行内部的流程构建。不同阶段间通过任务、数据与服务关联连接，阶段内部通过数据与服务的关系协同服务间关系完成服务匹配，每个阶段可以看作一个小闭环，小闭环又相互连接成大闭环，形成了满足需求的服务链。

服务链构建过程的匹配功能可以通过语义匹配的不同类别判断出后续服务与前驱服务。为了更直观地进行规则推理演算，现制定如下规则并运用SWRL规则将知识转化为基于语义的推理规则进行逻辑推理。

规则（1），StartRule匹配开始服务的推理规则。某服务S，若输入数据与任务需求的输入数据存在一致性关系，则S可以作为开始服务：

其中，Service（?S）为判断S是否为一个服务；hasInput（?S，?in）为判断S的输入数据是否为in；Task（?T）为判断T是否为一个任务；hasInput（?T，?In）为判断任务T的输入数据是否为In；hasConsistencyRelation（?in，?In）为判断in和In是否具备一致性关系，包括数据类型一致和数据属性一致。如都满足，则执行StartService（?T，?S），表示服务S可以作为任务T的开始服务。

规则（2），EndRule匹配结束服务的推理规则。若S的输出数据与任务需求的期望数据存在一致性关系，则S可以作为结束服务：

其中，hasOutput（?S，?out）、hasOutput（?T，?Out）分别为判断服务S和任务T的输出数据是否为out、Out；hasConsistencyRelation（?out，?Out）为判断out和Out是否具备一致性关系。如都满足，则执行EndService（?T，?S），表示服务S可以作为任务T的结束服务。

规则（3），SequenceRule匹配后续服务的推理规则。若服务S₂与服务S₁存在顺序关系，则S₂作为S₁的后续服务加入服务链ServiceChain中：

其中，hasSequentialRelation（?S₁，?S₂）为判断S₁和S₂有无顺序关系，即S₁的输出与S₂的输入完全匹配，或S₁的输出包含S₂的输入。

规则（4），EqualSerRule匹配可替换服务的推理规则。若服务S₂和服务S₁存在竞争关系，则认为S₂可以在服务链中替换S₁的位置：

其中，hasCompetitiveRelation（?S₁，?S₂）为判断S₁和S₂有无竞争关系，即S₁的输出数据与S₂的输入和输出数据都具有一致性。

3.2 基于数值化QoS归一指标的服务评价

服务质量（quality of service，QoS）匹配主要是为了在有多个服务都与请求服务的功能相匹配的情况下能够计算选出最优的服务。QoS匹配的关键在于对请求服务和候选服务间服务质量参数值的比较，本文暂时不考虑服务网络有关的质量参数，主要关心与服务性能有关的、描述服务非功能属性度量的一些参数，包括可靠性、可用性、执行时间、处理精度等。

数值化QoS归一指标计算原理如下所述。

设该项QoS指标在所有服务中的最大值，最小值，其中，某一个服务的质量为，记该服务质量进行归一化处理后的值为（杜志强等，2024）：

为了计算当前服务的总体QoS指标，首先需要对各个服务参数指标进行式（5）运算，其次依据指标的重要程度设定不同权重，最后对所有指标按权重加和，得到单个服务的QoS。服务链由多个服务组合而成，因此需要设定服务的权重，然后将服务的QoS指标按链加权求和得到服务链的QoS指标（杜志强等，2024）：

4 基于推理演算的遥感信息服务链动态演化

基于推理演算的遥感信息服务链动态演化的中心思想是，依据任务需求的形式化描述：

通过分析新需求与原需求的相关性，找出哪些需求发生了变化，哪些需求保持不变，然后基于任务-数据-服务的关联关系和领域本体选取符合情景的推理规则，进行服务链的动态演化，以满足新的任务需求。

服务链是由子服务或组合服务按照一定的逻辑关系形成的服务流程。服务链演化可能涉及多个服务，不同条件影响的范围也不同。因此，根据不同驱动力作用方式对服务链演化范围的不同影响，将服务链演化方法分为三类，即基于语义替换的服务重定位、基于重规划的服务链重构和基于需求的服务链重新建模。

1）基于语义替换的服务重定位

在替换过程中，尽量保持小范围的变动调整，确保原服务链能够最大限度地被重用。基于替换的服务重定位算法比较简单，当需求发生变化时，首先，获取当前服务链和其抽象服务链，根据需求中发生变化的参数，通过分析定位到关键服务，如原子服务或组合服务，缩小需进行查找的抽象服务范围。其次，在抽象服务的限定下，根据SWRL规则进行运算，找到与原服务链中的原子或组合服务具有竞争关系的服务作为候选服务，挑选某个竞争的服务对原链路进行替换，对服务的质量进行再一次运算，直到找到替换原来的服务后能够满足新的质量要求的服务。若找不到合适的服务，则需要对服务链进行重构，进入下文所述方法。服务重定位的问题在于不一定能够找到刚好可以替代的服务，一旦没有可替换服务时，表明当前流程不可运行，则需要进行服务链重构，从过程层面进行服务链演化。

2）基于重规划的服务链重构

任务的非功能约束所引起的服务链演化大多通过基于重规划的服务链重构来解决。当服务链中处理的数据发生变化时，原服务链中的数据处理服务可能会失效，影响整个链路。因此，需依据新的规则进行服务匹配，选出合适的服务构成新的服务链。

地震灾害发生后，各类灾害遥感数据不断涌入，其预处理方法、算法和模型服务都不尽相同，因此需要进行服务链重构。任务数据约束语义变化所引起的服务链演化，任务功能需求不变，数据语义发生变化，即数据类型、数量或属性等有变化。根据数据变化不同，可以分为两种情况。第一种情况，数据的变化导致原来的预处理服务或者后续的算法无法满足对数据的处理需求，但是数据变化对整体的服务链流程无影响。在此情况下，为了在完成任务需求的同时满足数据需求，可以结合当前可获取的数据类型、属性和期望数据的类型及属性等，基于任务–数据–服务多层次语义约束模型进行推理演算，得到能与数据相匹配的预处理服务和其他后续服务，并进行服务链动态演化重构，得到新的满足当前数据需求的服务链。第二种情况，如果数据的变化导致服务链整体的流程都受到影响，则服务链重构方法可能尚无法解决问题。

若基于重构的服务链演化方法仍无法得到满足需求的服务链，则需要进行服务链整体的重新建模。

3）基于需求的服务链重新建模

当任务的功能需求发生改变时，如在震害评估专题中，目标任务由建筑物损毁评估变为道路损毁评估，这两者的任务功能不同，原本构建的适用于建筑物损毁评估的服务链不能用于道路损毁评估，因此需要对服务链重新建模。

为了更好地利用已构建的服务链，首先，对两个任务的功能和专题进行比较，尤其是对业务流程进行对比，尽可能从两者抽象服务流程中找出相似的部分，考虑最大限度的重用；其次，根据新的业务流程，重新得到新的抽象服务组合的流程，即抽象服务链；最后，重复服务链构建的过程，即分析得到新的任务需求。根据推理规则得到开始、结束服务；根据服务间关系、服务与数据的关系，重新完成多层次语义匹配；从开始服务出发不断寻找后续服务，得到满足需求的新服务链。

5 演化样例构建及结果分析

5.1 实验环境与数据

采用Protégé完成本体构建和推理规则编写；采用JESS规则推理引擎完成推理；采用MongoDB数据库存储实验所建立的任务与服务相关本体资源描述框架（resource description framework，RDF）三元组；服务链演化结果采用HTML、CSS、Javascript构建页面，采用NodeJS语言与异步刷新策略编写与数据库的交互，并使用业务流程模型和符号（business process model and notation，BPMN）实现服务链演化结果的可视化（杜志强等，2024）。实验以地震灾害建筑物损毁评估向道路损毁评估演化为例，验证方法可行性。

地震灾害道路损毁评估的各项约束如下所述。

（1）业务流约束：遥感影像收集→遥感影像处理→震害信息提取→评估与结果。

（2）数据约束：①空间范围，震后遥感影像需覆盖灾区可能存在公路损毁的范围；②数据质量，光学遥感影像中部分应未被云覆盖或只有少量薄云，雷达影像中公路部分应未被阴影遮挡；③空间分辨率，影像空间分辨率应能够区分公路线特征，光学影像宜优于2 m，雷达影像宜优于5 m。

（3）数据处理约束：①若获取到多时相影像，需要以某一时相为准进行配准；②需对影像进行几何校正，并将公路矢量数据叠加到校正后的影像上；然后进行影像裁剪，分割出公路区域影像，公路两侧影像应不小于10个像元；③根据影像质量，选择性进行图像增强处理。

实验所设计的震害评估遥感信息处理服务见表1。

5.2 遥感信息服务链构建

实验在暂不考虑服务费用和发布机构权威性的情况下，假设各候选服务的QoS指标见表2。

根据图2中的抽象服务链{A→B→C→D→F}，即{辐射校正→几何校正→影像配准→变化检测→建筑物破坏评估}，通过类别过滤、功能匹配和质量优选的多级语义匹配进行服务链构建，挑选最终执行时间小于70 min且综合QoS指标最优的服务链作为初步构建的服务链。具体构建过程原理及结果见已有研究（杜志强等，2024）。

5.3 遥感信息服务链演化

5.3.1 质量需求变化的服务链演化

假设目前任务中仅质量需求变为{执行时间，小于，60，分钟}，任务的其他需求保持不变，因此，可以运用基于语义替换的服务重定位方法进行服务链演化。在抽象服务链不变的情况下，寻找到引起质量变化的原服务的可替代服务，即寻找和原服务为竞争关系的服务，然后替换原服务的位置，形成演化后的遥感信息服务链。

从质量需求变化的角度出发，执行时间的约束性可适当降低，而由于数据处理过程是必不可少的，且S₅、S₆、S₇、S₈之间的执行时间相近，因此可以在影像分类服务中确定替换的服务，原服务链中影像分类服务采用S₁₄+S₁₅，可替换为S₁₂或S₁₃。

将表2中可靠性、可用性、执行时间和处理精度指标分别逐一代入式（5）进行求解。计算得到S₁₂，S₁₃归一化的QoS指标矩阵为

将归一化计算后可靠性、可用性、执行时间和处理精度指标赋予0.25、0.25、0.1、0.4的权重。其权重设置的依据为，上述四个指标对于震害信息服务链都至关重要，理想情况下应分配同等权重。然而，在服务链筛选阶段，可以剔除执行时间过长、不符合应急需求的服务链，确保灾害发生后能够及时获取信息，因此其权重设置略低（0.1）；同时，震害评估需要尽可能准确的信息来指导救援和重建工作，因此赋予处理精度最高的权重（0.4），以强调获取高精度震害信息的重要性。并且为了提高震害信息服务链的灵活性，使其能够适应不同的应用场景和需求，将各项QoS指标的权重设计为可调节的参数，可根据不同情况、不同业务进行调整。

将归一化计算后的服务每一项QoS指标及权重代入式（6），可得到每个服务的综合质量QoS（S_i），根据式（9）得到含S₁₃的QoS得分均高于S₁₂的，含S₁₃服务链的质量高于含S₁₂服务链，演化的服务链如图4所示。

5.3.2 新增震前数据的服务链演化

假设获取的数据从原本的{震后遥感数据}变为了{震后遥感数据，震前遥感数据}，新增了震前的遥感数据，但任务的其他需求保持不变，此时，可以利用基于重规划的服务重构方法对服务链进行演化。

根据抽象服务链的变化，服务类别约束也相应发生改变，因此需对服务链进行重构。输入数据变为两个，输出输入仍是一个，仍然按照构建方法依次找到开始和结束节点，然后按多级匹配和规则推理找到中间的后继节点，如果存在多条满足条件的服务链，则进行QoS计算以确定最终服务链，即为演化后的服务链，如图5所示。

对图5进行排列，可匹配得到8条待选服务链，如图6所示。经QoS计算并排序，可得到QoS最大的新增震前数据的服务链演化实验结果，如图7所示。

5.3.3 任务变化的服务链演化

假设任务的功能需求从建筑物损毁评估变为道路损毁评估，且输入数据规定为{震后遥感影像，道路矢量数据}，由于道路损毁评估与建筑物损毁评估的任务功能不同，因此需对服务链进行重新建模。

道路损毁评估的任务需求描述为{{震后遥感影像，道路矢量数据}，{道路损毁评估结果}，{道路损毁评估，{遥感数据获取→遥感数据预处理→震害信息提取→评估与结果}}，{执行时间，小于，10，分钟}}。依据新的任务需求输入数据仅有震后的遥感影像，因此采用影像分类方法进行道路损毁评估。其抽象服务链与建筑物损毁评估的相同，仍以需求为驱动，根据输入的服务类别和需求的约束，与期望数据进行匹配，得到开始服务S₁、S₄和结束服务S₂₃，然后找到符合要求的中间服务，演化过程如图8所示。经过上述匹配得到的服务链共12条，如图9所示。

经QoS计算可得到任务变化的服务链演化实验结果如图10所示。演化执行用时为7 min，满足《应急管理部中国地震局关于印发“十四五”国家防震减灾规划的通知》（应急〔2022〕30号）中相关演化执行用时小于10 min要求。

对服务链分别进行任务质量变化、任务数据变化、任务功能变化驱动下的遥感信息服务链演化实验，并对得到的结果进行分析，验证了方法有效性。

6 结论

根据遥感信息服务链动态演化所面临的实际问题，从任务功能需求、数据需求、质量需求三个方面进行了服务链演化驱动分析，本文提出了一种任务需求与关联关系驱动的遥感信息服务链演化方法，对震害评估过程中涉及的任务和服务描述模型、服务链构建与演化的方法进行了研究，发展了基于多层次语义关联模型的推理演算逻辑，并以虚拟实验案例，进行了可行性分析。结果表明，本方法能够在规定时间内实现不同驱动力条件下的遥感信息服务链动态演化。研究成果对当前地震灾害服务应用管理具有一定的启发意义。

本文仅从任务需求与关联关系的角度探讨了服务链演化方法，后续研究将进一步考虑服务质量、服务成本等多因素约束下的服务链优化演化问题，以更全面地支持震害救灾工作。

参考文献（References）

杜志强, 周天畅, 甘巧燕. 2024. 震害评估任务驱动的遥感信息服务链构建方法. 时空信息学报, 31(2): 229-239[Du Z Q, Zhou T C, Gan Q Y. 2024. A method for building a remote sensing information service chain driven by earthquake damage assessment tasks. Journal of Spatio-temporal Information, 31(2): 229-239 (in Chinese)]

冯在文, 何克清, 李兵, 龚平, 何扬帆, 刘玮. 2008. 一种基于情境推理的语义Web服务发现方法. 计算机学报, 31(8): 1354-1363[Feng Z W, He K Q, Li B, Gong P, He Y F, Liu W. 2008. A method for semantic web service discovery based on context inference. Chinese Journal of Computers, 31(8): 1354-1363 (in Chinese)]

郭晓宁, 裴惠娟, 王金平, 陈文凯. 2016. 国际遥感技术在自然灾害领域中的发展态势分析. 中国农学通报, 32(6): 124-131[Guo X N, Pei H J, Wang J P, Chen W K. 2016. Development status of international remote sensing in natural disaster research. Chinese Agricultural Science Bulletin, 32(6): 124-131 (in Chinese)]

黄树松, 窦爱霞, 王晓青, 袁小祥. 2016. 基于震后机载激光雷达点云的建筑物破坏特征分析. 地震学报, 38(3): 467-476, 509 [Huang S S, Dou A X, Wang X Q, Yuan X X. 2016. Building damage feature analyses based on post-earthquake airborne LiDAR data. Acta Seismologica Sinica, 38(3): 467-476, 509 (in Chinese)]

姜宁, 徐晓蕊, 胡宝清, 陈平, 蓝远铄, 李史干. 2016. 近20年中国地震时空特征分析. 大众科技, 18(9): 29-31, 53[Jiang N, Xu X R, Hu B Q, Chen P, Lan Y S, Li S G. 2016. Analysis of spatial and temporal pattern of earthquake in China in recent 20 years. Popular Science & Technology, 18(9): 29-31, 53 (in Chinese)]

李从东, 谢天, 李珺, 洪宇翔. 2012. 基于SWRL的突发事件知识表达与链式演化推理. 情报杂志, 31(5): 55-61[Li C D, Xie T, Li J, Hong Y X. 2012. Knowledge expression and chained evolution reasoning of emergencies based on SWRL. Journal of Intelligence, 31(5): 55-61 (in Chinese)]

李德仁,朱庆,朱欣焰, 眭海刚. 2010. 面向任务的遥感信息聚焦服务.北京: 科学出版社[Li D R, Zhu Q, Zhu X Y, Sui H G.2010.Task-oriented Remote Sensing Information Focusing Service. Beijing:Science Press (in Chinese)]

李京. 2012. 自然灾害灾情评估模型与方法体系.北京: 科学出版社[Li J. 2012.Natural Disaster Damage Assessment Model and Method System. Beijing: Science Press (in Chinese)]

李强, 任宏旭, 眭海刚, 宋志娜. 2017. 基于三维特征的遥感影像震害房屋损毁评估. 地理空间信息, 15(10): 63-66, 69[Li Q, Ren H X, Sui H G, Song Z N. 2017. Damage assessment of seismic damaged buildings in multi-view remote sensing images based on 3D features. Geospatial Information, 15(10): 63-66, 69 (in Chinese)]

龙恩, 吕守业, 钱国栋, 连翠萍, 杨宇科, 陈玲艳. 2023. 基于云+端的天基遥感服务模式研究. 自然资源遥感, 35(1): 258-264[Long E, Lyu S Y, Qian G D, Lian C P, Yang Y K, Chen L Y. 2023. A space-based remote sensing service mode based on cloud+ terminals. Remote Sensing for Natural Resources, 35(1): 258-264 (in Chinese)]

雒佳琳. 2019. 面向任务驱动的地表覆盖信息动态服务组合机制研究与实现. 硕士学位论文. 徐州: 中国矿业大学[Luo J L. 2019. Research and Implementation of task-driven land cover information dynamic service combination mechanism. Master Dissertation. Xuzhou: China University of Mining and Technology (in Chinese)]

邵芸, 宫华泽, 王世昂, 张风丽, 田维. 2008. 多源雷达遥感数据汶川地震灾情应急监测与评价. 遥感学报, 12(6): 865-870[Shao Y, Gong H Z, Wang S A, Zhang F L, Tian W. 2008. Mulit-source SAR remote sensing data for rapid response to Wenchuan earthquake damage assessment. Journal of Remote Sensing, 12(6): 865-870 (in Chinese)]

史银雪. 2014. 目标驱动—情境感知的柔性Web服务组合研究. 博士学位论文. 北京: 中国农业大学[Shi Y X. 2014. Research on Goal-driven context-aware flexible web service composition. Doctoral Dissertation. Beijing: China Agricultural University (in Chinese)]

眭海刚, 刘超贤, 黄立洪, 华丽. 2019. 遥感技术在震后建筑物损毁检测中的应用. 武汉大学学报(信息科学版), 44(7): 1008-1019[Sui H G, Liu C X, Huang L H, Hua L. 2019. Application of remote sensing technology in earthquake-induced building damage detection. Geomatics and Information Science of Wuhan University, 44(7): 1008-1019 (in Chinese)]

王东明, 陈华静, 陈敬一, 高杰, 施唯. 2021. 国家地震灾害风险防治业务平台功能设计与展望. 自然灾害学报, 30(2): 60-70[Wang D M, Chen H J, Chen J Y, Gao J, Shi W. 2021. Function design and prospect of platform of national earthquake disaster risk prevention and control. Journal of Natural Disasters, 30(2): 60-70 (in Chinese)]

王志华, 樊红, 杜武. 2012. 基于SWRL规则推理的空间信息服务组合. 武汉大学学报(工学版), 45(4): 523-528[Wang Z H, Fan H, Du W. 2012. SWRL rule reasoning based geospatial Web services composition. Engineering Journal of Wuhan University, 45(4): 523-528 (in Chinese)]

王志华, 金燕, 李占波. 2011. 一种自适应语义Web检索方法. 计算机工程, 37(11): 83-85, 88[Wang Z H, Jin Y, Li Z B. 2011. Method of adaptive semantic web retrieval. Computer Engineering, 37(11): 83-85, 88 (in Chinese)]

文斌, 何克清, 梁鹏, 王健. 2010. 需求语义驱动的按需服务聚合生产方法. 计算机学报, 33(11): 2163-2176[Wen B, He K Q, Liang P, Wang J. 2010. Requirements semantics-driven aggregated production for on-demand service. Chinese Journal of Computers, 33(11): 2163-2176 (in Chinese)]

吴华意, 成洪权, 郑杰, 祁昆仑, 杨红兵, 李学锡. 2020. RS-ODMS: 一种分布式遥感数据在线管理与服务框架. 武汉大学学报(信息科学版), 45(12): 1836-1846[Wu H Y, Cheng H Q, Zheng J, Qi K L, Yang H B, Li X X. 2020. RS-ODMS: An online distributed management and service framework for remote sensing data. Geomatics and Information Science of Wuhan University, 45(12): 1836-1846 (in Chinese)]

向曦, 张素金, 赵婧, 彭艳秋, 雷蔼玲, 朱思瑾, 吴慧霞, 赵飞. 2024. 云贵高原典型区域气象灾害时空演变特征及影响因素分析. 时空信息学报, 31(1): 118-128[Xiang X, Zhang S J, Zhao J, Peng Y Q, Lei A L, Zhu S J, Wu H X, Zhao F. 2024. Spatio-temporal evolution characteristics and influencing factors analysis of meteorological disasters in typical regions of the Yunnan-Guizhou Plateau. Journal of Spatio-temporal Information, 31(1): 118-128 (in Chinese)]

邢华桥, 侯东阳, 于明洋, 孟飞. 2019. 基于约束规则的变化检测处理服务链动态生成. 地理与地理信息科学, 35(4): 9-14[Xing H Q, Hou D Y, Yu M Y, Meng F. 2019. Constraint rule-based service chain dynamic generation for land cover change detection. Geography and Geo-Information Science, 35(4): 9-14 (in Chinese)]

叶昕, 秦其明, 王俊, 郑小坡, 王建华. 2019. 利用高分辨率光学遥感图像检测震害损毁建筑物. 武汉大学学报(信息科学版), 44(1): 125-131[Ye X, Qin Q M, Wang J, Zheng X P, Wang J H. 2019. Detecting damaged buildings caused by earthquake from remote sensing image using local spatial statistics method. Geomatics and Information Science of Wuhan University, 44(1): 125-131 (in Chinese)]

叶昕, 王俊, 秦其明. 2016. 基于高分一号卫星遥感图像的建筑物震害损毁检测研究——以2015年尼泊尔MS8.1地震为例. 地震学报, 38(3): 477-485, 509[Ye X, Wang J, Qin Q M. 2016. Damaged building detection based on GF-1 satellite remote sensing image: A case study for Nepal MS8.1 earthquake. Acta Seismologica Sinica, 38(3): 477-485, 509 (in Chinese)]

张齐，张鹏林. 2022. 基于信息熵的多遥感指数集成火烧迹地制图. 地理信息世界, 29(1):6-11,16[Zhang Q, Zhang P L. 2022. Information entropy-based integration of multiple remote sensing indexes for burned area mapping. Geomatics World, 29(1):6-11,16 (in Chinese)]

张方泽, 龚循强, 周秀芳, 刘卓涛. 2023. 基于自训练卷积神经网络的遥感场景图像异常探测方法. 时空信息学报, 30(4): 482-490[Zhang F Z, Gong X Q, Zhou X F, Liu Z T. 2023. Remote sensing scene image anomaly detection method based on self-training convolutional neural network. Journal of Spatio- temporal Information, 30(4): 482-490 (in Chinese)]

张锐, 王福涛, 陈生. 2024. 高分辨率遥感在震害监测中的应用综述. 遥感信息, 39(4): 1-10[Zhang R, Wang F T, Chen S. 2024. An overview of application of high-resolution remote sensing in seismic hazard monitoring. Remote Sensing Information, 39(4): 1-10 (in Chinese)]

张翼, 周妍, 许娟, 宴金旭, 唐姝娅, 陈维锋. 2021. 基于用户需求的地震应急信息服务特征研究. 震灾防御技术, 16(1): 211-219[Zhang Y, Zhou Y, Xu J, Yan J X, Tang S Y, Chen W F. 2021. Study on the characteristics of the earthquake emergency information service based on user demands. Technology for Earthquake Disaster Prevention, 16(1): 211-219 (in Chinese)]

郑昌兴, 刘喜文. 2016. 基于规则推理和案例推理的应用模型构建研究——以地震类突发事件为例. 情报理论与实践, 39(2): 108-112[Zheng C X,Liu X W. 2016. Research on the construction of application model based on rule-based reasoning and case-based reasoning. Information Studies (Theory & Application), 39(2): 108-112 (in Chinese)]

Arnaouti M K C, Cahill G, Baird M D, Mangurat L, Harris R, Edme L P P, Joseph M N, Worlton T, Augustin S Jr. 2022. Medical disaster response: A critical analysis of the 2010 Haiti earthquake. Frontiers in Public Health, 10: 995595

Chen Y J, Zhang J, Zhou A C, Yin B. 2018a. A modeling method for a disaster chain–Taking the coal mining subsidence chain as an example. Human and Ecological Risk Assessment, 24(5): 1388-1408

Chen Y J, Zhang J, Zhou A C, Yin B. 2018b. Modeling and analysis of mining subsidence disaster chains based on stochastic Petri nets. Natural Hazards, 92(1): 19-41

Dong Y M, Li Z Y, Li X S, Li X H. 2024. Using Ontology and Rules to Retrieve the Semantics of Disaster Remote Sensing Data. Journal of Systems Engineering and Electronics, 35(5): 1211-1218.

Friis-Christensen A, Lucchi R, Lutz M, Ostl?nder N. 2009. Service chaining architectures for applications implementing distributed geographic information processing. International Journal of Geographical Information Science, 23(5): 561-580

He X L, Huang Y D, Chen Z N, Li L, Wang W, Wang X Y, Xu C. 2023. Report on the second academic forum on earthquake hazard chain, 12 November 2022, Beijing, China. Natural Hazards Research, 3(1): 125-138

Lozano J M, Nichols E, Frost J D, Tien I. 2023. Spatial and temporal evolution of post-disaster data for damage assessment of civil infrastructure systems. Geomatics, Natural Hazards and Risk, 14(1): 2250531

Tasar O, Tarabalka Y, Giros A, Alliez P, Clerc S. 2020. StandardGAN: Multi-source domain adaptation for semantic segmentation of very high resolution satellite images by data standardization//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Seattle, WA, USA. 747-756

Ye P. 2022. Remote sensing approaches for meteorological disaster monitoring: Recent achievements and new challenges. International Journal of Environmental Research and Public Health, 19(6): 3701

Zhao J Q, Zhang D, Shi B Y, Zhou Y, Chen J Y, Yao R, Xue Y. 2022. Multi-source collaborative enhanced for remote sensing images semantic segmentation. Neurocomputing, 493: 76-90

↓↓ 了解更多产业要闻 ↓↓

请将我设为星标★

来源：《时空信息学报》2024年第5期

编辑：李娟

审核：余青

独家：《时空信息学报》专栏