دانلود ترجمه مقاله کلان داده ها برای سنجش از راه دور

1. مقدمه 2. درک مفهوم کلان داده در سنجش از راه دور 3. کلان داده، چالش های کلان 4. فرصت های کلان 5. مطالعات موردی 6. نتیجه گیری

چکیده – هر روزه، سنسورهای فضایی و هوایی از کشورهای مختلف که به مشاهده زمین (EO) می پردازند، حجم زیادی از داده های سنجش شده از راه دور را مخابره می کنند. این داده ها برای کاربردها مختلفی مورد استفاده قرار می گیرند مانند نظارت بر بحران های طبیعی، تغییرات اقلیمی، برنامه ریزی های شهری و غیره. این کاربردها، مبتنی بر داده بوده و غالبا بین رشته ای هستند. بر اساس این موضوع، می توان به وضوح اظهار داشت که ما امروزه در عصری از داده های کلان سنجش از راه دور زندگی می کنیم. علاوه بر این، این داده ها، تبدیل به یک دارایی اقتصادی و منبع جدید بسیار با اهمیتی در بسیاری از کاربردها شده اند. در این مقاله، ما به طور خاص به آنالیز چالش ها و فرصت هایی پرداخته ایم که کلان داده ها در زمینه کاربردهای سنجش از راه دور به ارمغان آورده اند. تمرکز ما در این زمینه، تحلیل این موضوع است که کلان داده ها واقعا چه معنی ای در کاربردهای سنجش از راه دور دارند و چگونه می توانند ارزش افزوده ای را در این زمینه فراهم آورند. علاوه بر این، این مقاله، چالش برانگیزترین موضوعات در زمینه مدیریت، پردازش، و بهره برداری کارآمد از کلان داده ها برای مسائل سنجش از راه دور را تشریح کرده است. به منظور نشان داده جنبه های فوق الذکر، دو مطالعه موردی به بررسی استفاده از کلان داده ها در سنجش از راه دور پرداخته اند. در مطالعه موردی اول، کلان داده ها برای تشخیص خودکار تخلیه نفت دریایی از طریق آرشیوی بزرگ از داده های سنجش از راه دور مورد استفاده قرار گرفته اند. در مطالعه موردی دوم، بازیابی اطلاعات مبتنی بر محتوا، با استفاده از رایانش با کارایی بالا (HPC) برای استخراج اطلاعات از دیتابیس های بزرگ مربوط به تصاویر سنجش از راه دور انجام شد که این اطلاعات پس از حمله تروریستی در مرکز تجارت جهانی نیویورک جمع آوری شده بودند. هر دو مطالعه موردی برای نشان دادن چالش ها و فرصت های چشم گیر مربوط به استفاده از کلان داده ها در کاربردهای سنجش از راه دور مورد استفاده قرار گرفتند.

Every day a large number of Earth observation (EO) spaceborne and airborne sensors from many different countries provide a massive amount of remotely sensed data. Those data are used for different applications, such as natural hazard monitoring, global climate change, urban planning, etc. The applications are data driven and mostly interdisciplinary. Based on this it can truly be stated that we are now living in the age of big remote sensing data. Furthermore, these data are becoming an economic asset and a new important resource in many applications. In this paper, we specifically analyze the challenges and opportunities that big data bring in the context of remote sensing applications. Our focus is to analyze what exactly does big data mean in remote sensing applications and how can big data provide added value in this context. Furthermore, this paper describes the most challenging issues in managing, processing, and efficient exploitation of big data for remote sensing problems. In order to illustrate the aforementioned aspects, two case studies discussing the use of big data in remote sensing are demonstrated. In the first test case, big data are used to automatically detect marine oil spills using a large archive of remote sensing data. In the second test case, content-based information retrieval is performed using high-performance computing (HPC) to extract information from a large database of remote sensing images, collected after the terrorist attack to the World Trade Center in New York City. Both cases are used to illustrate the significant challenges and opportunities brought by the use of big data in remote sensing applications.