-
军事地质是战场环境的重要组成部分，充分利用军事地质数据服务国防军事领域，标准化的军事地质数据保障势在必行。军事地质数据反映地下地质结构动态变化特征，是建立地球信息科学和军事科学紧密联系的重要纽带。对于多源异构地球科学数据而言，地理空间基准的统一、带有空间属性的矢量数据结构以及关联数据的交互共享等，是地球科学数据信息化智能化应用的关键问题。在当前军事地质数据与军用地理空间信息产品有效衔接的探索过程中，尚存在专题信息难融合、典型场景难耦合和快速保障难统合等军事应用难点。军事地质数据的标准化处理和利用方式，已成为地球科学数据高效军事应用面向的新挑战。
-
地质成果的信息化建设和地质大数据与智能化关键技术研究（严光生等，2015; 李超岭等，2015; 杨星辰等，2020; 冯艳芳等，2022; 谭永杰等，2023），推动了调查—监测—数据—预测—决策一体化的现代地质调查工作转型发展，增强了地质数据的信息化管理和智能分析能力，在地质云建设、智能地质编图、矿床大数据与智能成矿预测、遥感地质环境监测、智慧城市与地下空间三维建模、地质灾害监测预警、自然资源调查监测等民用方面得到广泛应用（朱庆，2014; 王登红等，2015; 陈建平等，2015; 周永章等，2017; 罗震霄和王斌，2019; 王杨刚等，2019; 陈麒玉等，2020; 付博等，2020; 黄辉等，2021; Han et al.，2023; 张春菊等，2023; 李晓萌等，2024）。在军事应用领域，不同学者从增加地质因素或军事地质要素的视角，探讨过战场信息数字化与三维可视化（殷宏等，2011）、地下水定量遥感评估（邓正栋等，2013）、GIS 与遥感技术的军事工程构筑选址信息模型（ 孙红政等，2017; 张琦洁等，2018; 杨彤等，2019）、地形危险性预测和地下目标打击评估的军事地质数据建模方法（张栋等，2021）、基于六角格网地图和智能算法的越野路径规划研究（郭宏伟，2022）、军事地质图构建方法（李远华等，2012; 张小静等，2018）和军事数据工程体系下的军事地质数据建设（陈占龙等，2022）等问题，为地质数据的军事应用提供了示范研究案例。在复杂的战场环境体系中，多要素的复合量化评估是大数据精细分析利用的必然趋势，但专题性的军事地质数据的集成应用方案鲜有报道。
-
在军事地质数据研究领域，由精细化信息化智能化战场环境保障需求，决定必须高度重视标准化的军事地质数据及其与军民通用基础地理信息等成果的融合应用。军事地质服务对象宽泛、需求复杂多样，军民通用地质调查（军事地质与民用地质一体化调查）、军事地质专项调查、战场地质环境勘察、国防工程地质勘探和应急任务地质保障等多种调查方法手段，为不同尺度专题地质信息提取，不同区域地质特征分类与识别，多要素战场环境量化评估提供了有效支撑。现阶段，军事地质调查提供了原始数据获取途径（ 张栋等，2019; 葛良胜等，2023），但军事地质调查原始数据堆积与军用信息应用不足的矛盾也日益突出。为达到涵盖多景观场景和多要素样本，具备数据动态扩展及自动精化应用能力，对军事地质数据的统一分类、规范提取和集成应用提出了更高要求。鉴于此，笔者等在军事地质大数据特征基础上，构建军事地质要素、民用地质数据军用提取、军事地质数据库和数据分析模型指标的标准化处理方案，尝试探讨军事地质数据在地理空间情报、军用地理空间信息产品和大数据技术应用中的特点与前景，以期更好地规范军事地质数据与军用信息成果的标准化衔接，推动军事地质在精细化信息化智能化战场环境保障领域中的技术进步。
-
1 军事地质数据的大数据特征
-
军事地质调查是军事地质数据的完整生产过程。军事地质调查具有一体化数据采集与集成应用的专业特色（图1）。这些专业特色主要包括:①服务军队战场环境、后勤保障和应急任务等特定方面，为机动、构工、打击、防护、给水等作战保障提供利用和改造地质条件的军事地质要素专题数据; ②获取岩土结构强度、水源水质水量、地质构造破坏程度、地质灾害隐患规模、地质资源利用、地球物理场与地球化学场特征等定量数据; ③满足基本比例尺保障或大比例尺精细保障; ④一次性全面获取军事地质要素专题定量数据，强调地表地下一体、多要素快速查证和地—物—化—遥等多方法手段联合运用; ⑤ 数据形式是数据库、地质图、解译样本集、监测数据、评估报告等，其形式简单易懂，突出定量数据及其与军事地理等保障要素的统筹表达。
-
军事地质调查的这些专业特色支持军事地质数据的时间结构属性（特定地质演化阶段的地质产物）、空间结构属性（区域分布状态、平面与垂向组合关系、构造样式等）、物理结构属性（物质组成、物理与力学性质等）、化学结构属性（元素种类、化学成分、分布及含量等），反映出军事地质数据具有采集要素和方法多样，语义异构和多空间与多尺度并存，呈现出空间数据、非空间关系数据、非结构文档与多媒介资料等多模态特征，揭示出地壳表层物质与深部能量交换、地表景观场景与地下地质结构关联的内在相关性，以及不同区域尺度样本的不一致性和地球系统自身的复杂性。因此，军事地质数据具有多源异构、多模态、高度集成性和复杂性，具有多样化的时间—空间—物理—化学结构属性，涉及支撑地形结构和地下空间的复杂地质过程和内在机理等大容量高相关性数据，既有大数据共性特征，又具有专属应用特征。这种专属特征蕴含于军事地质要素一体化采集、数据入库集成管理、定量分析建模和信息辅助决策的大数据分析利用全过程，军事应用或典型场景的即时性和动态性需求，也决定了军事地质数据要具备快速立体适时提取、静态动态战态保障和目标侦测研判的能力。用于揭示地质条件对战场环境及其军事活动的内在影响与规律特征，是军事地质数据面向军事应用的基本内涵。
-
图1 军事地质调查一体化数据采集与集成应用体系架构图
-
Fig.1 Framework of integrated data acquisition and application in military geological survey
-
2 军事地质数据的标准化处理方案
-
2.1 军事地质要素
-
军事地质要素是对军事地质调查对象及其研究内容的规范化组织。军事地质要素采用统一的分类体系，便于覆盖区域地质环境的多样性，支持场景、目标、尺度等不同层级地质数据的综合集成和精准处理要求。现阶段各类地质数据存在分类体系不统一、集成性不足、样本尺度固定等问题，已经影响到大范围多源异构地质环境数据分析的效率质量，军事地质要素是有效解决地质矢量数据模型中多样本统一性的重要基础。此外，要素作为客观属性的实体，必须对应于可定性描述和可定量计算的样本，军事地质要素分类体系其原则上是一种便于军事应用的样本分类方案，主要突出地质环境多源数据的集成统一和要素实体自身的客观属性，在目前的军民通用基础地理信息标准化成果中已得到支持并推广应用。以军事应用为重点，以地质作用产物或表征现象为主体，葛良胜等（2003）提出土体、岩体、水体、地质构造、地质灾害、地质资源、地球物理场、地球化学场等八类军事地质要素—属性结构模型。笔者等将地质实体归类于军事应用环境，建立了军事地质要素标准化应用分类推荐表（表1），并对军事地质要素应用问题进行说明:
-
（1）土体指陆地上岩石风化后被搬运保留且呈一定层位结构的土壤堆积物，或由海洋生物、化学、火山等作用形成以及经陆地岩石风化搬运至海洋保留的沉积物。按照武器装备机动承载能力与地表工事构工作业方式等军事应用，陆地土体坚硬程度由低到高分类为软土、硬土和夹石土。岩体是保持一定天然结构强度特征的岩石集合体，特指工程岩体。按照工程工事构筑和打击与防护等军事应用，岩石坚硬程度由低到高分类为软质岩和硬质岩。特殊岩土体是岩土体中具有特殊成因的物质组成和物理化学特征，产生特殊的工程性质或材质用途。
-
（2）地下水是水体的地下部分，按照军事给水保障应用分类为富水区、给水站和备用点。富水区是在地下水赋存介质类型划分基础上，根据含水岩组的范围、地下水溢出带位置、含水断层分布、泉井密度、水量与水质等条件，综合分析形成的地下水不同富集程度的区域。泉井符合沿主要通道、迂回路和要点目标、驻屯集结地域就近分布，水质水量满足平、战使用，具有堆砌、成井和引水等取水保障便利条件，可归类为给水站，否则，归类为备用点。
-
（3）地质构造是为满足构工防护、目标打击、给水保障等军事应用对地质体常见的破裂和变形等研究需要，分类为断裂、褶皱和裂隙。前两者主要以明显的破裂位移和弯曲变形为特征，其中断裂包括区域断裂、活动断裂、含水断裂和其他断裂; 褶皱是地层弯曲的常见形态，除背向斜具有特定指向意义外，单斜也是水平岩层受地质构造影响发生产状定向性倾斜的一种变形现象，在寻找地下水、岩石打击能力评估、工程抗滑稳定性和斜坡稳定性等方面都具有研究意义; 裂隙除岩体中地质成因的层理和构造成因的劈理或节理外，还有一种非地质构造成因的其他裂缝，如风化裂隙、卸荷裂隙等。裂隙具有统计学意义，在目标打击和安全防护等方面具有研究价值。
-
（4）地质灾害根据其形成原因和触发机制，可分为原生地质灾害和次生地质灾害。原生地质灾害由地质作用或自然因素直接引发、未受人类活动显著影响。例如，由地壳构造运动、深部岩浆活动、地下水溶蚀等地质作用和降雨、风化、重力、冰雪融化等自然因素，导致的构造地震、火山地震、海底地震、火山喷发、地裂缝、岩溶塌陷、冻土冻融、滑坡、崩塌、泥石流等; 次生地质灾害由原生地质灾害、人类活动或两者共同作用诱发的后续灾害，包括地震和人类工程（ 开挖坡脚、人工爆破、地下施工、地下水超采、采矿作业或海底油气开采、水库蓄水等）诱发的次生滑坡与崩塌、地面沉降、水库诱发地震等。两者的核心区别主要在于触发因素和时间关联。地质灾害在军事上除规避外还可利用。
-
（5）地质资源对军事活动有直接影响的是建筑资源和地下空间。建筑资源是急造军路等可就地取材的天然保障资源，包括块石料、条石料和砂石料。地下空间是保留上部地貌或地物覆盖如山体、土层、建筑物等地表以下的空间，包括天然洞穴和人工洞室。
-
（6）地球物理场是影响空间基准、空间天气、飞行控制与导航的空间地球物理变化场和各类固体地球物理异常场，包括重力场、地磁场、地电场和核物理场。地球化学场是地质地球化学作用形成或人为改造形成的地球化学异常场，包括有害元素的地球化学异常和污染。
-
军事地质要素实质就是收集、处理和分析战场环境信息的一类地球科学基础数据，它是适应信息化战争对多维全域作战空间专业数据链高度互联，实现信息、火力、机动和保障等综合要素有机统一，有效利用大数据资源、提高数据处理和分析能力的共同基础，从而能够为军队在复杂多变的战场环境中赢得战争主动提供有利信息。军事地质要素的标准化应用，其重要性在于规范军事地质调查研究对象的样本统一分类原则，更为关键的是满足军事地质图语义信息的完备性和逻辑一致性，这也是军事地质要素区别于民用地质数据的显著特征。军事地质图是军事专题地图的一种表达形式，其要表达出民用地质图无法表达的信息，例如反映军事地质要素属性特征的越野机动规划地带、岩土开挖作业效率和打击程度、野战给水保障区域等，这种在专题地图上的语义信息包含了地质实体的空间位置、属性特征和与多种地理实体的相互关系，军事地质要素的作用是:将各类地质实体信息进行规则化分类组织，面向专题地图中军事地质与军事地理等要素的多维语义关系，进行空间关系、属性关系和关联数值关系的数据对齐与准确表达。因此，构建军事地质要素的规则化逻辑表示关系，是将地质学的基础知识和专题知识转化为可用于军事地质图理解和分析的关键组成要件，用以支持清晰的军事专题地图语义内容。
-
图2 民用地质数据军用提取标准化技术处理流程图
-
Fig.2 Standardized process of the military conversion from civilian geological data
-
2.2 民用地质数据军用提取
-
民用地质数据军用提取（也称改化）是指将传统地质调查成果资料中隐含的军事应用信息，按照军事地质要素的组织形式整编和转化为专题数据的一种数据加工过程，是军事地质调查资料预研的前期准备工作，也是应急保障数据处理的重要技术方法。二战历史中，有从战前发布的大量民用地质图中转化为军事地质图的先河，例如诺曼底登陆战役，战前英国军事地质学家们就大量提取了法国西北部民用地质图相关地质信息，为登陆战役提供了岩土体、地下水和建筑资源等分布信息和特征数据（Rose et al.，2006）。这种案例同时说明民用地质数据和军事地质数据在成果应用上存在差异。陈占龙等（2022）从民用地质数据的空间数据、非空间关系数据和非结构性数据的多源异质特性分类角度，建立了精细的元数据提取类型，也反映出民用地质数据军用提取的必要性，否则难以形成数据优势。
-
民用地质数据是经国家地质行业正式验收的多类型与多尺度地质图、数据库、地质报告或说明书等成果数据。提取要点是经过系统的资料对比，例如遥感影像线性构造解译与地质构造纲要图对比、报告照片中反映的地质现象与文字定性或定量描述的一致性检验、统计数据与技术手册规定的数值转换等，以建立军事地质要素与属性特征值的标准映射关系，按照军事地质图统一规范表达; 难点是提取后大量 GIS 图元数据的修改整饰以及提取前后图元数据的综合或简化合理性。张栋等（2019） 对民用地质数据军用提取的具体数据类型、适用原则和技术要求等进行过详细说明，笔者等主要建立民用地质数据军用提取的技术处理流程，如图2 所示。提取是一种重要的数据处理手段，提取技术处理流程提供了“先整编后提取再更新”的原则和挖掘有效数据、清洗冗余数据的有效方式。挖掘数据是利用提取处理流程，将民用地质数据中分散的各类型地质数据合并或简化，按照军事地质要素的类型和属性特征值，进行直接提取或经国家技术标准间接转换的数据重构，以满足军事地质数据的军用需求; 清洗数据则是在提取数据的过程中，直接去除民用地质数据中与军事应用相冲突的数据，例如复杂的地质时代、过细的岩组划分、不相关的属性值和无意义的地质界线等数据。提取实际上就是对民用地质数据按照军事地质要素分类重新进行检查和校验的过程，包括挖掘有用数据和清洗冲突数据，确保数据一致性以提高元数据质量。
-
2.3 军事地质数据库
-
数据库是大数据存储和应用的理想工具。数据库不仅是对数据的组织和管理，更重要的是对数据的标准集成和二次开发应用。军事地质数据具有多源异质和时空属性，数据库成为军事地质数据成果信息化和智能化应用的重要载体。现有军事地质数据库基于 MapGIS 平台构建关系型数据库，具有数据汇聚、建库制图、数据管理和服务应用等功能，由库到图或图库一体化应用是其主要特点。军事地质数据库标准化技术流程如图3 所示，实现功能包括:
-
（1）数据汇聚:军事地质数据采集是在军民通用基础地理信息和民用地质图的基础上建立原始库，实现对军事地质要素调查的原始记录、实测图件、遥感影像等数据的数字化采集和存储，以此作为空间属性建库的基础。
-
（2）建库制图:基于标准分幅地形图开展数据整编、影像数据加载、地理数据转换、地质提取制图，为军事地质空间数据提供规范底图; 依托原始数据实现军事地质要素的空间属性建库和军民通用基础地理信息的数据格式转换; 基于空间数据的图层与要素驱动制图原理，实现军事地质专题成果库的快速智能编图; 针对军事应用需要，开展图形裁剪与拼接、出版印刷和数据导出，为军事地质图库一体化数据服务提供支撑。
-
图3 军事地质数据库标准化数据汇聚与应用技术流程图
-
Fig.3 Standardized process of data integration and application in military geological database
-
（3）数据管理:以项目库的组织形式实现对跨区域、多尺度、多源异构数据的原始数据、空间数据与成果数据的集成管理，提供军事地质调查数据汇聚管理与应用服务平台的元数据查询、检索和维护、更新窗口，为军事应用快速调用军事地质数据提供保障。
-
（4）应用服务:基于军事地质原始库、空间库、成果库和项目库，为用户提供“一库三图一报告”产品的应用开发，包括矢量数据、影像样本集、数字或纸质地图、评估报告等各类专题数据产品，提供军事地质标准数据与军用地理空间信息产品共享交换服务。
-
现有军事地质数据库建立了关系型数据库和非关系型图数据库的数据结构对应性、一致性和可拓扑性、可扩展性，以支持高效的字段—图元混合查询、快速检索和数据动态处理。此外，基于大数据技术，完成数据的自主组织管理、处理分析与快速决策，实现跨区域、多图幅的自主接边、图元综合与简化功能，挖掘地质数据的模型化与可视化特征，体现与多类型地球科学数据的高度融合和联合判读能力，将是军事地质数据库标准化建设和图库一体化应用的拓展研究方向。
-
2.4 军事地质数据分析模型指标
-
精确化保障是信息化战争作战保障的核心要求，实现精确化保障主要体现在建立数据分析模型以及利用现有技术完成定量分析（刘建忠等，2013）。笔者等提出的数据分析模型包括递进构建概念模型、数学模型和评估模型。概念模型是根据研究主题的约束建立多要素评价指标体系，构成有机的定性评价指标网络; 数学模型是根据满足主题的多要素评价指标，采用数学算法或经验公式等，建立对应的量化模型，开展因子权重计算、可信度分析和多因子优选; 评估模型是依据数学模型计算的量化指标，通过 GIS 空间分析生成所需的分级指数，结合专家知识与模型验证后，作为定型常数或自然断点科学预测主题行为的结果。 GIS 数据库，具有空间属性数据和空间分析功能，是数据模型的理想分析工具。因此，基于 GIS 数据库的数据建模是军事地质数据智能分析应用的基础，模型指标体系的标准化成为数据科学预测的前提。
-
军事地质数据分析模型的指标体系主要面向越野机动通行、野战工事构筑、永备工事选址、工事侵彻打击和战场给水保障五类军事应用主题（表2）。模型指标体系适用于常规山地景观下由军事地质要素为主要影响因素的综合效应评估，所列指标可能会因地理地质环境的差异或作战对象的不同而变化; 相关模型军事地质要素与其他战场自然环境要素的关联研究还需深入探索。表2 中，一级指标是对军事应用主题具有显著影响的军事地质要素，二级指标是经相关性检验后确定的具有弱相关性的一组一级指标定量特征值。根据数据建模实践经验，对部分二级指标的取值意义进行说明:土体坚硬程度由车辆圆锥指数与土壤圆锥指数对比的圆锥指数法（WES法）确定（张克健，2001），浅层地下潜水位变化深度由干湿状态潜水深度差值确定（张栋等，2024），建筑资源的可利用程度用大、中、小的规模赋值，岩体的范围用面积量化，岩石可侵彻指标由岩石坚硬程度和岩体完整性系数按经验公式定量换算（Zhang Dong et al.，2024），地质构造的产状用倾角取代侵彻弹头的入射角（Zhang Dong et al.，2024），地下水富水区由前述地下水要素的综合分析确定且根据富、中、贫量化赋值。可以看出，相同的军事地质要素一级指标在不同的军事应用主题内，二级指标部分具有相同组成，部分又具有显著差异化，这说明地质数据的高度复杂性和多实体与多空间的交互动态性，更突出反映出军事地质要素内在统一、相互影响和联合作用的逻辑关系，体现了军事地质要素综合效应原理（张栋等，2021）的数据联动分析价值。因此，只有在典型场景地质影响规律正确分析基础上，才能针对面向对象科学描述有效特征，这是军事地质数据标准化组织与分析建模的关键。
-
3 军事地质数据的军事应用探讨
-
3.1 地理空间情报及军用地理空间信息产品中的应用
-
信息化战争的基础是数据，从海量数据中提取有用信息、形成作战决策成为制胜关键。信息化战争中的军事地质应用在不断发展变化，地质关联地形景观和对地下空间探察的独有优势，以及地质数据提供地形分析、工程勘察、资源评估和环境影响的地位作用愈加突出，随着现代科学技术的进步和信息化战争的发展，认知和技术改变了提取地质数据的能力并提升了其在地理空间情报及其军用地理空间信息产品中的应用水平。因此，更加突出专题数据和信息功能，是军事地质在现代战争中进一步发挥作用的主战场。
-
（1）地理空间情报（Geospatial Intelligence）。地理空间情报是表征战场地形、目标位置等军事地理景观的空间数据，构成通用作战图（ Common Operating Picture）或通用联合作战图（Common Joint Operating Picture）及其框架的专题信息图层，是军事指挥官理解战场空间和进行战场决策的基础。美国国家地理空间情报局给出的地理空间情报包括原始影像、影像分析情报和地理空间信息，构成了地球表面以上和以下的“大数据难题”，成为现代军事指挥官实现精确战场态势感知并快速响应的严峻挑战（Coorey，2018）。这种地球表面以下的数据就是地质数据，地质数据作为地理空间情报的重要内容或构成要素，可为复杂场景的军事活动提供地表以下的信息支撑，提取、分析、合成和解释地质数据，并将其转化为有意义且实用的情报，军事地质数据应用至关重要。
-
为实现军事地质数据在地理空间情报中的应用，应该转化为可供军事场景识别的标准矢量数据。这种标准矢量数据体现在军事地质要素分类与编码和军民通用基础地理信息的一体化融合，民用地质数据军用提取按照军事地质要素分类和特征值的数据重构，军事地质数据库矢量数据类型与格式的规范标注，军事地质图符号体系的格式转换与制图输出等。现今军事地质要素与军民通用基础地理信息的矢量数据融合（专题图层叠加）不乏为一种高效的标准数据组织模式，便于快速体现地质数据在地理空间情报中的作用价值，转换为军事人员可理解、可操作的矢量数据格式。军事地质的标准矢量数据组织与管理，将是响应动态空间感知和情报监视侦察等地理空间情报发展趋势的一种能力，而这种能力预期体现在军用地理空间信息产品的定制服务。
-
（2）军用地理空间信息产品（ Military GeoServices）。地理空间信息产品本身具有军民两用本质，军用地理空间信息产品的优势是从军事角度挖掘地理空间信息的潜在价值，从而为复杂军事场景提供专业服务。军用地理空间信息产品，其主要形式是地图和数据库。为了增强地理空间情报的态势感知能力，军用地理空间信息产品实现定制服务更多地考虑到多种因素:全球化、快速决策、现代战争的混合场景、数字化、地学空间、信息安全、共享技术的复杂性和预算成本（ Teichmann，2022）。其中，所有这些因素中最为关键的是数据的标准化组织，包括地理基准面、坐标系、地图投影的标准化和元数据的同质化，以利于提升军用地理空间信息产品中多源异构数据的互操作性。
-
军事地质数据进入军用地理空间信息产品的常规做法是通过 GIS 框架（ Geographic Information System Framework）实现数据量化处理、空间分析和制图输出。基于 GIS 工具的空间分析在跨尺度、多场景中得以体现优势，例如，阿富汗战争对大面积灰岩地层中易溶性洞穴的识别（Gross et al.，2004）、在国防和情报领域的多样化应用（ Dangermond，2008）、支持海岸带作战场景训练的点位景观建模与可视化制图（Fleming et al.，2009）、地下隧道潜在入口边坡稳定性的快速评价（Wang，2014）等。 GIS 工具与数据库的联合使用可以实现地理空间数据尺度变换和数字地图多尺度表达，以满足军队特定需求（Fleming et al.，2009）。军事地质按需定制专题图技术（张栋等，2019）是实现图库一体化军用地理空间信息产品的保证。更为关键的是，军事地质数据利用 GIS 工具实现军用地理空间信息产品的应用主要服务三种形式:专题图层、典型场景和快速保障。专题图层和典型场景是军事地质数据库中标准化的军事地质要素数据按照机动、构工、打击、给水等多种军事应用主题，构建具有统一地理空间和地质属性的专题数据层，与其他要素数据层的叠加可以增强地表地形景观与地下地质背景条件的空间感知能力，从而体现军事地质数据的应用价值; 快速保障是通过调用军事地质数据库中的标准矢量数据，根据军事任务的时效性，提供持续改进的由粗粒度、数小时到细粒度、数天内形成的应急保障产品。广义地看，军事地质要素标准数据是军事地质数据融入军用地理空间信息产品的基础，统一的地理空间和多源异构数据的同质化是关键中的核心，数据智能提取和融合表达等大数据技术则成为数据应用革新的主要动力。
-
3.2 数据智能提取和融合表达的大数据技术应用前景
-
大数据技术的应用使得军队能够实时收集、处理和分析战场信息，通过数据挖掘和关联分析，揭示战场态势的动态变化规律和发展趋势，为军事作战或多样军事活动提供决策支持。目前军事地质数据与大数据技术的结合应用主要体现在遥感影像智能解译、虚拟现实仿真三维可视化和数据分析模型评估等数据智能提取和融合表达方面。
-
（1）遥感影像智能解译技术。近年来，得益于天基传感器的改进和对地观测技术的发展，遥感影像的地理空间数据量呈几何级快速增长（李德仁等，2012; Coorey，2018）。地理空间信息产品的关键数据越来越得到光学影像和微波数据的支持，四种标准遥感分辨率（空间分辨率、光谱分辨率、辐射分辨率和时间分辨率）描述了这些影像的质量，并且卫星遥感影像为建立地理和空间更为紧密的联系提供了更多选择（Teichmann，2022）。海量且多类型的遥感影像样本集是实现大范围多源异构遥感数据高精度智能解译的基础（龚健雅等，2021），可提供场景识别、目标检测、地物分类等地表影像特征提取。但整体上，遥感智能解译系统的实用化在地表以下的地质数据采集上仍未达到对地物目标的解译水平，地质解译精度难以保证。传统遥感地质解译大多数依赖由已知到未知环境的人机交互对比解译，在智能解译的自动分类识别方面，除基岩裸露区的部分岩石地层、地质构造、地质灾害隐患点和地下水点能够接近或达到自动分类的解译精度外，在高植被覆盖区、冰雪覆盖区等特殊环境下基本难以实现，除可解译的区域地理地质环境限制，也存在地质体的样本集分类体系不统一、样本影像来源单一、解译样本量小与多样性不足等问题。 Han Wei et al.（2023）综述了机器学习和深度学习方法在岩石分类、土壤映射、水体提取、冰川监测和地质灾害识别等遥感地质环境监测领域中的应用，提出了多源多模态遥感数据提升地质环境智能解释能力的机遇与挑战。由于地质数据的空间异质性，多类型地质数据与遥感图像像元数据在统一空间结构内融合，可能是遥感地质解译提取有用信息的基本保证。军事地质研究需要面向大范围的陌生地域，遥感影像解译数据是一类重要的元数据，遥感智能解译技术在军事地质领域发挥作用，应该按照军事地质要素基础范式构建样本统一的分类体系，提升不同区域样本的多样性和智能解译模型大范围应用时的泛化能力; 加强遥感数据空间结构分析，提升地质环境空间异质性的军事地质要素分类识别精度; 在已知军事地物目标的空间样本中增加大尺度、多源数据提取的军事地质要素属性特征值，集成场景—目标—地质特性的综合样本集，增强目标的地质环境自动分类识别针对性。
-
（2）虚拟现实仿真三维可视化和数据分析模型评估技术。现代战争构建典型场景更多用到虚拟现实仿真三维可视化技术，用以增强从平台系统到手持终端的表达展示功能，但确定新的动态变化或可移动的空间数据，以支持地理空间情报和军用地理空间信息产品达成这些信息优势则成为挑战。现在更广泛地依赖于开源数据（Open Source Data）来解决这些问题。开源数据的开放服务使得免费获得与即时访问相关数据库形成动态数据和构建场景成为捷径，但与专业的地球科学数据相比，开源数据缺乏面向场景的标准化数据，在数据的一致性、完整性、可用性和质量控制方面都存在缺陷（ Teichmann，2022）。虚拟仿真现实的关键技术之一就是利用三维数据建立场景的虚拟环境，现今更是充分利用了激光雷达点云的三维地理空间数据和地质勘探与物探数据的地下空间数据，对虚拟环境进行动态建模（林强，2024）与三维地质建模（郭福钟等，2024）。除了典型场景的地理与地质空间数字建模外，通过数据分析或数学建模预测地理空间动态变化的行为结果至关重要（Dueben et al.，2018）。主流的模型预测评估有两种:数据驱动和模型驱动。数据驱动的机器学习可以从不断增长的地理空间数据流中捕捉信息，有很强的数据适应性（ Reichstein et al.，2019; 杨倩倩等，2022）; 不同于机器学习，模型驱动基于知识及演绎，其结果可解释性更强（Boukabara et al.，2021）。故在大数据背景下，数据驱动的样本自动分类识别和模型驱动的行为结果预测，两者深度耦合必将成为军事地质数据定量建模的重要技术方式。此外，对于数据定量建模，其重点并不在于选择了哪种客观模型或主流的智能算法，关键在于评价指标中影响因子的唯一性与权重计算的合理性，这可能决定数据决策的科学性和准确性。
-
对于现代地理空间情报服务和军用地理空间信息产品而言，无论是对地理空间或移动数据的动态识别，还是对虚拟场景的地下空间三维重建，更是对数据定量模型的预测行为，典型军事场景地面特性分析的地质数据融合表达均能发挥重要作用。例如，与地形相关的战场机动问题，需要地质数据的支持以形成快速评估地形动态变化的能力（Roskin et al.，2012），对指挥线路侦察和收集地面移动数据更多依赖雷达数据和无人搭载技术对地面土壤地质特性的识别，这些土壤因素充分考虑了类型、空间分布、分层结构与深度、力学强度、密实度和特殊性，并作为专题数据进入战场机动的数学模型预测评估（McDonald et al.，2016）。为支持军事训练的海岸潮间带土壤通过性构图，美国军事地质学家充分利用了潮汐变化和水下底质的三维透视场景动态建模、岸滩土壤类型与植被密度分区，预测了重型车辆的越野机动通过性，充分发挥了地质因素作为“基质”支撑的重要性，这种机动性地图展示了地理空间数据库、虚拟场景动态建模与可视化、路线决策的模型预测行为以及提供有效军用地理信息产品的重要作用（Fleming et al.，2009）。现代战场上生成的复杂数据，如何采用先进的人工智能分析工具，用于高效组织与处理数据，实现数据可视化与模型驱动决策，将成为大数据技术在信息化战争中赢得主动的重要课题。由此，军事地质数据与大数据技术融合进入军用地理空间信息产品，必由之路就是军事地质数据的标准化，这种标准化预期体现在:统一的地理空间基准，跨领域协作的整合式要素分类结构，满足现代分析型数据库要求（具备空间属性建库、矢量数据格式和分析建模功能），提供产品互操作的定制化数据图元符号体系，以实现专题图层、面向场景和快速保障的“三要素”战斗力，为精细化信息化智能化战场环境分析要求，提供军事地质数据的在线调用和离线拷贝等服务。
-
4 结论
-
（1）军事地质数据具有多源异构、多模态、高度集成性和复杂性，具有多样化的时间—空间—物理—化学结构属性，涉及支撑地形结构和地下空间的复杂地质过程和内在机理等大容量高相关性数据，既有大数据共性特征，又具有快速立体适时提取、静态动态战态保障和目标侦测研判的专属应用特点。用于揭示地质条件对战场环境及其军事活动的内在影响与规律特征，是军事地质数据面向军事应用的基本内涵。
-
（2）军事地质要素应用分类推荐了军事地质数据面向军事应用的基础元数据类型。民用地质数据军用提取提供了“先整编后提取再更新” 原则。军事地质数据库实现了数据汇聚、建库制图、数据管理和应用服务的大数据分析利用。数据分析模型指标构建了山地景观下一组军事地质要素具弱相关性特征值的定量建模影响因子体系。标准化处理体现了军事地质要素与军事地质图的语义关联表达、民用地质数据的清洗数据方式、关系型数据库与图数据库的数据共享与交换特性、数据分析模型多要素指标的综合效应原理，为军事地质数据在地理空间情报、军用地理空间信息产品和与大数据技术融合提供了应用方式。
-
（3）军事地质要素与军民通用基础地理信息的标准矢量数据叠加，为地理空间情报提供数据库和专题地图，利用 GIS 工具实现量化处理、空间分析和制图输出，支持军用地理空间信息产品的专题图层、典型场景和快速保障。在数据智能提取和融合表达的大数据技术应用中，军事地质标准数据应具备统一的地理空间基准和整合式要素分类结构，提供分析型数据库和产品互操作的定制符号体系。
-
致谢: 感谢军事地球科学专栏特约主编和审稿专家提出的建设性意见及编辑部的大力支持!
-
参考文献
-
陈建平, 李靖, 崔宁, 于萍萍. 2015. 大数据背景下地质云的构建与应用. 地质通报, 34(7): 1260~1265.
-
陈麒玉, 刘刚, 何珍文, 张夏林, 吴冲龙. 2020. 面向地质大数据的结构—属性一体化三维地质建模技术现状与展望. 地质科技通报, 39(4): 51~58.
-
陈占龙, 陶留锋, 孙政权, 王润, 龚希, 徐道柱, 马超, 赵军利. 2022. 数据工程视角下的军事地质数据体系研究. 测绘与空间地理信息, 45(11): 1~4.
-
邓正栋, 叶欣, 龙凡, 于德浩, 关洪军, 张邦双. 2013. 地下水遥感模糊评估指数的构建与研究. 地球物理学报, 56(11): 3908~3916.
-
冯艳芳, 刘江涛, 刘勇, 崔显岳, 司晓博. 2022. 国内外基础地质数据更新现状与思考. 地学前缘, 29(2): 370~377.
-
付博, 王文文, 张诗檬, 韩征, 刘钊, 陶光毅. 2020. 基于多源异构的城市地质数据集成关键技术研究. 城市地质, 15(1): 103~109.
-
葛良胜, 王梁, 张栋, 戚冉. 2023. 军事地质导论. 北京: 国防工业出版社: 1~434.
-
龚健雅, 许越, 胡翔云, 姜良存, 张觅. 2021. 遥感影像智能解译样本库现状与研究. 测绘学报, 50(8): 1013~1022.
-
郭福钟, 郑博文, 祁生文, 李航, 朱焕春, 岳云艳, 谢焕忠. 2024. 三维地质建模技术与方法综述. 工程地质学报, 32(3): 1143~1153.
-
郭宏伟. 2022. 顾及军事地质要素的越野路径规划研究. 导师: 魏海平. 郑州: 信息工程大学硕士学位论文: 1~60.
-
黄辉, 路彦明, 李仰春, 张文华, 张大可, 赵由之, 李超, 陈圆圆. 2021. 基于多元知识何编图模型的智能地质编图技术及其应用. 地质通报, 40(6): 978~987.
-
李超岭, 李健强, 张宏春, 龚爱华, 魏东琦. 2015. 智能地质调查大数据应用体系架构与关键技术. 地质通报, 34 (7): 1288~1299.
-
李德仁, 童庆禧, 李荣兴, 龚健雅, 张良培. 2012. 高分辨率对地观测得若干前沿科学问题. 中国科学: 地球科学, 42(6): 805~813.
-
李晓萌, 陈天, 徐玮铎, 孙志文, 薛凉, 朱宪明, 范智涵, 单红仙, 贾永刚. 2024. 基于数字孪生的海底地质灾害监测预警技术研究. 中国海洋大学学报, 54(5): 102~114.
-
李远华, 姜琦刚, 周智勇, 崔瀚文, 林楠, 杨佳佳. 2012. 陆域遥感军事地质图基本要素及其表达方法. 世界地质, 31(3): 614~620.
-
林强. 2024. 虚拟现实动态建模的设计与实现. 北京信息科技大学学报(自然科学版), 39(2): 29~34.
-
刘建忠, 等著. 2013. 军事地理学概论. 北京: 解放军出版社: 1~288.
-
罗震霄, 王斌. 2019. 自然资源三维动态信息系统构建. 现代测绘, 42(1): 7~11.
-
孙红政, 李宏伟, 徐哲. 2017. 地质要素在工程构筑选址中的影响特性分析. 测绘与空间地理信息, 40(10): 199~201.
-
谭永杰, 刘荣梅, 朱月琴, 文敏. 2023. 论地质大数据的特点与发展方向. 时空信息学报, 30(3): 313~320.
-
王登红, 刘新星, 刘丽君. 2015. 地质大数据的特点及其在成矿规律、成矿系列研究中的应用. 矿床地质, 34(6): 1143~1154.
-
王迪, 钱海忠, 赵钰哲. 2022. 综述与展望: 地理空间数据的管理、多尺度变换与表达. 地球信息科学学报, 24(12): 2265~2281.
-
王杨刚, 郝丽荣, 黄辉, 李玉嵩, 张大可, 张庆合, 李丽, 张琳, 蒋作瑞. 2019. 基于空间数据和专家知识驱动的地质编图技术研究与应用. 地质通报, 38(12): 2067~2076.
-
严光生, 薛群威, 肖克炎, 陈建平, 缪谨励, 余海龙. 2015. 地质调查大数据研究的主要问题分析. 地质通报, 34 (7): 1273~1279.
-
杨倩倩, 靳才溢, 李同文, 袁强强, 沈焕锋, 张良培. 2022. 数据驱动的定量遥感研究进展与挑战. 遥感学报, 26(2): 268~285.
-
杨彤, 姜琦刚, 王康, 于德浩, 王李, 杨清雷. 2019. 基于 GIS 的地下工程选址技术与应用. 世界地质, 38(1): 277~285.
-
杨星辰, 叶梦旎, 叶培盛, 蔡茂堂, 娄玉行, 张绪教, 刘浩. 2020. 地质调查成果信息化建设方法探索———基于数字填图技术. 地质力学学报, 26(2): 263~270.
-
殷宏, 孙小波, 许继恒, 吴海平, 杨永亮. 2011. 军事地质信息可视化与分析. 计算机工程与设计, 32(9): 3123~3127.
-
张春菊, 刘文聪, 张雪英, 叶鹏, 汪陈, 朱少楠, 张达玉. 2023. 基于本体的金矿知识图谱构建方法. 地球信息科学学报, 25(7): 1269~1281.
-
张栋, 吕新彪, 葛良胜, 路彦明, 黄辉. 2019. 军事地质环境的研究内涵与关键技术. 地质论评, 65(1): 181~198.
-
张栋, 葛良胜, 吕新彪, 戚冉, 路英川. 2021. 军事地质的可持续性: 支持地面军事行动的典型应用. 见: 第三届战场环境保障学术年会优秀论文集: 202~209.
-
张栋, 葛良胜, 吕新彪, 王斌, 闫家盼, 杨煜坤, 任堃. 2024. 法证军事地球物理: 战场侦察与痕迹识别[ J] [OL]. 地球物理学进展;[ 2025-02-06] ( 2024-07-04) https: / / link. cnki. net / urlid / 11. 2982. P. 20240703. 1534. 003
-
张克健. 2001. 车辆地面力学. 北京: 国防工业出版社: 1~323.
-
张琦洁. 2018. 遥感技术在军事坑道选址中的应用———以鸭绿江下游流域为例. 导师: 田淑芳. 北京: 中国地质大学(北京)硕士学位论文: 1~64.
-
张小静, 张令奎, 周永望. 2018. 基于 Web Service 的军事地质图服务构建. 环境工程, 36(增刊): 1030~1034.
-
周永章, 黎培兴, 王树功, 肖凡, 李景哲, 高乐. 2017. 矿床大数据及智能矿床模型研究背景与进展. 矿物岩石地球化学通报, 36 (2): 327~332.
-
朱庆. 2014. 三维 GIS 及其在智慧城市中的应用. 地球信息科学学报, 16(2): 151~157.
-
Boukabara S A, Krasnopolsky V, Penny S G, Stewart J Q, McGovern A, Hall D, Ten Hoeve J E, Hickey J, Allen Huang H L, Williams J K, Ide K, Tissot P, Haupt S E, Casey K S, Oza N, Geer A J, Maddy E S, Hoffman R N. 2021. Outlook for exploiting artificial intelligence in the earth and environmental sciences. Bulletin of the American Meteorological Society, 102(5): 1016~1032.
-
Chen Jianping, Li Jing, Cui Ning, Yu Pingping. 2015&. The construction and application of geological cloud under the big data background. Geological Bulletin of China, 34(7): 1260~1265.
-
Chen Qiyu, Liu Gang, He Zhenwen, Zhang Xialin, Wu Chonglong. 2020&. Current situation and prospect of structure-attribute integrated 3D geological modeling technology for geological big data. Bulletin of Geological Science and Technology, 39(4): 51~58.
-
Chen Zhanlong, Tao Liufeng, Sun Zhengquan, Wang Run, Gong Xi, Xu Daozhu, Ma Chao, Zhao Junli. 2022&. Research on military geological data system from the perspective of data engineering. Geomatics & Spatial Information Technology, 45(11): 1~4.
-
Coorey R S. 2018. The evolution of geospatial intelligence. In: Australian Contributions to Strategic and Military Geography, Advances in Military Geosciences. Switzerland: Springer International Publishing AG: 143~151.
-
Dangermond J. 2008. GIS in the defense and intelligence communities. USA: ESRI: 1~62.
-
Deng Zhengdong, Ye Xin, Long Fan, Yu Dehao, Guan Hongjun, Zhang Bangshuang. 2013&. Construction and investigation of groundwater remote sensing fuzzy assessment index. Chinese J. Geophys. , 56 (11): 3908~3916.
-
Dueben P D, Bauer P. 2018. Challenges and design choices for global weather and climate models based on machine learning. Geoscientific Model Development, 11(10): 3999~4009.
-
Feng Yanfang, Liu Jiangtao, Liu Yong, Cui Xianyue, Si Xiaobo. 2022&. Updating basic geological data: Current status at home and abroad and suggestions for future improvements, Earth Science Frontiers, 29(2): 370~377.
-
Fleming S, Jordan T, Madden M, Usery E L, Welch R. 2009. GIS applications for military operations in coastal zones. ISPRS Journal of Photogrammetry and Remote Sensing, 64: 213~222.
-
Fu Bo, Wang Wenwen, Zhang Shimeng, Han Zheng, Liu Zhao, Tao Guangyi. 2020&. Research on key technologies of urban geological data integration based on multi-source heterogeneity. Urban Geology, 15(1): 103~109.
-
Ge Liangsheng, Wang Liang, Zhang Dong, Qi Ran. 2023 #. An Introduction to Military Geology. Beijing: National Defence Industry Press: 1~434.
-
Gong Jianya, Xu Yue, Hu Xiangyun, Jiang Liangcun, Zhang Mi. 2021&. Status analysis and research of sample database for intelligent interpretation of remote sensing image. Acta Geodaetica et Cartographica Sinica, 50(8): 1013~1022.
-
Gross M R, Ghosh K, Manda A K, Whitman D. 2004. A GIS based spatial analysis of caves and solution cavities———Application to predicting cave occurrence in limestone terrain. In: Studies in Military Geography and Geology. Netherlands: Kluwer Academic Publishers: 287~306.
-
Guo Fuzhong, Zheng Bowen, Qi Shengwen, Li Hang, Zhu Huanchun, Yue Yunyan, Xie Huanzhong. 2024&. A review of 3D geological modeling technology and methods. Journal of Engineering Geology, 32(3): 1143~1153.
-
Guo Hongwei. 2022#. Research on Cross-country Path Planning Based on Military Geological Elements. Supervisor: Wei Haiping. Zhengzhou: Master thesis of Information Engineering University: 1~60.
-
Han Wei, Zhang Xiaohan, Wang Yi, Wang Lizhe, Huang Xiaohui, Li Jun, Wang Sheng, Chen Weitao, Li Xianju, Feng Ruyi, Fan Runyu, Zhang Xinyu, Wang Yuewei. 2023. A suvey of machine learning and deep learning in remote sensing of geological environment: Challenges, advances, and opportunities. ISPRS Journal of Photogrammetry and Remote Sensing, 202: 87~113.
-
Huang Hui, Lu Yanming, Li Yangchun, Zhang Wenhua, Zhang Dake, Zhao Youzhi, Li Chao, Chen Yuanyuan. 2021&. Intelligent geological mapping technology and its applications based on the multivariate knowledge and mapping model. Geological Bulletin of China, 40(6): 978~987.
-
Li Chaoling, Li Jianqiang, Zhang Hongchun, Gong Aihua, Wei Dongqi. 2015a. Big data application architecture and key technologies of intelligent geological survey. Geological Bulletin of China, 34(7): 1288~1299.
-
Li Deren, Tong Qingxi, Li Rongxing, Gong Jianya, Zhang Liangpei. 2012&. Current issues in high-resolution Earth observation technology. Sci. China Earth Sci. , 55: 1043~1051.
-
Li Xiaomeng, Chen Tian, Xu Weiduo, Sun Zhiwen, Xue Liang, Zhu Xianming, Fan Zhihan, Shan Hongxian, Jia Yonggang. 2024&. Research on submarine geohazard monitoring and early warning technology based on digital twin. Periodical of Ocean University of China, 54(5): 102~114.
-
Li Yuanhua, Jiang Qigang, Zhou Zhiyong, Cui Hanwen, Lin Nan, Yang Jiajia. 2012&. Basic elements of land remote sensing military geological map and its expression method. Global Geology, 31(3): 614~620.
-
Lin Qiang. 2024&. Design and implementation of virtual reality dynamic modeling. Journal of Beijing Information Science & Technology University(Science and Technology Edition), 39(2): 29~34.
-
Liu Jianzhong et al. 2013#. Introduction to Military Geography. Beijing: PLA Press: 1~288.
-
Luo Zhenxiao, Wang Bin. 2019&. Construction of 3D and dynamic information system for natural resources management. Modern Surveying and Mapping, 42(1): 7~11.
-
McDonald E V, Bacon S N, Bassett S D, Amit R, Enzel Y, Minor T B, McGwire K, Crouvi O, Nahmias Y. 2016. Integrated terrain forecasting for military operations in deserts: Geologic basis for rapid predictive mapping of soils and terrain feature. In: Military Geosciences and Desert Warfare———Past Lessons and Modern Challenges: Advances in Military Geosciences. New York: Springer Science+Business Media: 353~375.
-
Reichstein M, Camps-Valls G, Stevens B, Jung M, Denzler J, Carvalhais N, Prabhat N. 2019. Deep learning and process understanding for data-driven earth system science. Nature, 566 (7743): 195~204.
-
Rose E P F, Clatworthy J C, Nathanail C P. 2006. Specialist maps prepared by British military geologists for the D-day langdings and operations in Normandy, 1944. The Cartographic Journal, 43(2): 117~143.
-
Roskin J, Aharoni E. 2012. Geography geology in the service of the military. Maarchot, 441: 46~53.
-
Sun Hongzheng, Li Hongwei, Xu Zhe. 2017&. Influence characteristics analysis of geological elements in engineering site selection and constuction. Geomatics & Spatial Information Technology, 40(10): 199~201.
-
Tan Yongjie, Liu Rongmei, Zhu Yueqin, Wen Min. 2023&. On the characteristics and development directions of geological big data. Journal of Spatio—temporal Information, 30(3): 313~320.
-
Teichmann F. 2022. Current operational challenges and innovative approaches for military geo-services from an Austrian perspective. In: Military Geoscience: A Multifaceted Approach to the Study of Warfare, Advances in Military Geosciences. Switzerland: Springer Nature: 335~350.
-
Wang Denghong, Liu Xinxing, Liu Lijun. 2015&. Characteristics of big geodata and its application to study of minerogentic regularity and minerogentic series. Mineral Deposits, 34(6): 1143~1154.
-
Wang Di, Qian Haizhong, Zhao Yuzhe. 2022&. Review and prospect: Management, multi-scale transformation and representation of geospatial data. Journal of Geo-information Science, 24(12): 2265~2281.
-
Wang L T. 2014. Application of GIS on rapid evaluation for potential portal areas of tunnels. Applied Mechanics and Materials, 479~480: 1056~1060.
-
Wang Yanggang, Hao Lirong, Huang Hui, Li Yusong, Zhang Dake, Zhang Qinghe, Li Li, Zhang Lin, Jiang Zuorui. 2019&. Research on geological map compilation technology based on spatial data and geological knowledge. Geological Bulletin of China, 38(12): 2067~2076.
-
Yan Guangsheng, Xue Qunwei, Xiao Keyan, Chen Jianping, Miao Jinli, Yu Hailong. 2015&. An analysis of major problems in geological survey big data. Geological Bulletin of China, 34(7): 1273~1279.
-
Yang Qianqian, Jin Caiyi, Li Tongwen, Yuan Qiangqiang, Shen Huanfeng, Zhang Liangpei. 2022&. Research progress and challenges of data-driven quantitative remote sensing. National Remote Sensing Bulletin, 26(2): 268~285.
-
Yang Tong, Jiang Qigang, Wang Kang, Yu Dehao, Yang Qinglei. 2019&. GIS-based site selection techniques and application of underground engineering. Global Geology, 38(1): 277~285.
-
Yang Xingchen, Ye Mengni, Ye Peisheng, Cai Maotang, Lou Yuxing, Zhang Xujiao, Liu Hao. 2020&. Information construction method of geological survey projects based on digital mapping technology. Journal of Geomechanics, 26(2): 263~270.
-
Yin Hong, Sun Xiaobo, Xu Jiheng, Wu Haiping, Yang Yongliang. 2011&. Visualization and analysis of geological information of military affairs. Computer Engineering and Design, 32(9): 3123~3127.
-
Zhang Chunju, Liu Wencong, Zhang Xueying, Ye Peng, Wang Chen, Zhu Shaonan, Zhang Dayu. 2023&. Knowledge graph construction method of gold mine based on ontology. Journal of Geo-information Science, 25(7): 1269~1281.
-
Zhang Dong, Lü Xinbiao, Ge Liangsheng, Lu Yanming, Huang Hui. 2019&. Research connotation and key technology of the military geological environment in the land battlefield. Geological Review, 65(1): 181~198.
-
Zhang Dong, Ge Liangsheng, Lü Xinbiao, Qi Ran, Lu Yingchuan. 2021 #. The sustainability of military geology: The typical applications to assist ground military operations. In: The Excellent Essays Collection of the Anniversary Meeting ( 3rd) of Battlefield Environment Support: 202~211.
-
Zhang Dong, Ge Liangsheng, Lü Xinbiao, Wang Bin, Yan Jiapan, Yang Yukun, Ren Kun. 2024&. Forensic military geophysics: battlefield reconnaissance and trace identification [ J ] [ OL ]. Progress in Geophysics; [ 2025-02-06 ] ( 2024-07-04 ) https: / / link. cnki. net / urlid / 11. 2982. P. 20240703. 1534. 003
-
Zhang Dong, Yan Jianpan, Wang Weibing, Ge Liangsheng, Lü Xinbiao, Qi Ran. 2024. Role of geological vulnerability of underground space to penetration effect in geoscience data. In: The 10th International Conference on Big Data and Information Analytics(Big DIA 2024): 17~22.
-
Zhang Kejian. 2001 #. Vehicle—Terramechanics. Beijing: National Defence Industry Press: 1~323.
-
Zhang Qijie. 2018#. Application of Remote Sensing in Military Tunnel Site Selection———Taking the Downstream Basin of the Yalu River as an Example. Supervisor: Tian Shufang. Beijing: Master thesis of China University of Geosciences (Beijing): 1~64.
-
Zhang Xiaojing, Zhang Lingkui, Zhou Yongwang. 2018&. The method of military geological map service consturction based on web service. Environment Engineering, 36(supp. ): 1030~1034.
-
Zhou Yongzhang, Li Peixing, Wang Shugong, Xiao Fan, Li Jingzhe, Gao Le. 2017&. Research progress on big data and intelligent modelling of mineral deposits. Bulletin of Mineralogy, Petrology and Geochemistry, 36(2): 327~332.
-
Zhu Qing. 2014&. Full three-dimensional GIS and its key roles in smart city. Journal of Geo-information Science, 16(2): 151~157.
-
摘要
军事地质数据客观反映地下物质组成和结构信息,是典型军事场景地面特性分析的重要基础数据。军事地质数据的标准化处理和有效军用方式,已成为多源异构地球科学数据面向军事应用的重要挑战。准确运用军事地质数据有助于理解地理空间数据的动态变化特征,为军用地理空间信息产品定制服务提供新途径。笔者等根据军事地质大数据特征,构建军事地质要素、民用地质数据军用提取、军事地质数据库和数据分析模型指标的标准化处理方案,对军事地质数据的军事应用进行探讨,研究进展包括:①军事地质数据具有多源异构、多模态、高度集成性和复杂性,具有多样化的时间—空间—物理—化学结构属性,涉及支撑地形结构和地下空间的复杂地质过程和内在机理等大容量高相关性数据,既有大数据共性特征,又具有快速立体适时提取、静态动态战态保障和目标侦测研判的专属应用特点;②军事地质要素应用分类推荐了军事地质数据面向军事应用的基础元数据类型,民用地质数据军用提取提供了“先整编后提取再更新”原则,军事地质数据库实现了数据汇聚、建库制图、数据管理和应用服务的大数据分析利用,数据分析模型指标构建了山地景观下一组军事地质要素具弱相关性特征值的定量建模影响因子体系;③军事地质要素与军民通用基础地理信息的标准矢量数据叠加,为地理空间情报提供数据库和专题地图,利用 GIS 工具实现量化处理、空间分析和制图输出,支持军用地理空间信息产品的专题图层、典型场景和快速保障。在智能提取和融合表达的大数据技术应用中,军事地质标准数据应具备统一的地理空间基准和整合式要素分类结构,提供分析型数据库和产品互操作的定制符号体系。研究结果用于规范军事地质数据与军用信息成果的标准化衔接,推动军事地质在精细化信息化智能化战场环境保障领域中的技术进步。
Abstract
Military geological data is an important metadata in the field of geoscience to study the ground characteristics of typical military activity scenarios, which is helpful to understand the dynamic change process of geographic space and provides a new perspective for the customized military geo-services. Military geological data reflects the information of underground geological structure, and standardized data processing and effective military methods are becoming an important challenge for the military application of multi-source heterogeneous geoscience data. Based on the big data characteristics of military geological data, this paper attempts to construct a standardized processing solution for military geological elements, military conversion from civilian geological data, military geological database and data analysis model indexes, and to discuss the application of military geological standard data. The research progress includes as follows:
(1) There are not only big data characteristics of multi-source heterogeneity, multi-modality, high integration and complexity, but also unique data characteristics of diversified time—space—physical—chemical property, and applications characteristics of rapid-steric-instant obtaining, static—dynamic—combat support, and target reconnaissance, including of supporting terrain structure and underground space, such as the complex geological processes and internal mechanisms in military geological data.
(2) The application classification of military geological elements recommends the basic metadata types of military geological data for military applications, the military conversion from civilian geological data provides the principle of first compilation, then conversion and update, the military geological database fulfills the big data analysis and utilization of data aggregation, database mapping, data management and application services, and the data analysis model indexes construct a series of quantitative impact factors with weak correlation quantitative values of a group of military geological elements in the mountainous landscape.
(3) Military geological element data and its vector layer overlap analysis with geographic information data satisfies the military needs of geospatial intelligence. Standardized military geological data using GIS tools can implement the customization of military geo-services with data quantitative processing, spatial analysis and mapping, so as to support the relevant theme layers, operational scenarios and instant information by geo-support in time-critical missions. Applications with modern big data technology of intelligent extraction and integrated expression, military geological standard data should have a unified element classification, a unified spatial datum, a database preparation and a customized symbol system of thematic map data for geo-services. The research results can be used to standardize the connection between military geological data and military digital information fruits, and to provide a useful tool for battlefield environmental support of precision, informationized and intelligent analysis.
