Khối lượng dữ liệu tăng theo cấp số nhân
Hiện tại, hơn 1000 vệ tinh viễn thám đã được phóng lên quỹ đạo và dữ liệu thu được tại trạm thu ảnh vệ tinh được tích luỹ với tốc độ Terabyte mỗi ngày.
Theo thống kê của Hệ thống thông tin và dữ liệu hệ thống quan sát trái đất (EOSDIS) năm 2014, EOSDIS quản lý hơn 9 Petabyte dữ liệu và hàng ngày nhận thêm 6.4 Terabyte vào kho lưu trữ (NASA 2016). Ở cơ quan vũ trụ châu Âu lượng dữ liệu ảnh viễn thám thu nhận được đã vượt quá 1.5 Petabyte, còn nếu xét tổng dung lượng dữ liệu viễn thám đã thu nhận được thì đã đạt tới đơn vị Zetabyte (109 Terabyte).
Khi độ chính xác và mật độ dữ liệu tăng theo thời gian, khối lượng dữ liệu tăng theo cấp số nhân thì nguồn dữ liệu trở thành vô cùng khổng lồ mà trong những năm gần đây đã dùng thuật ngữ ‘big data’ để mô tả mà giờ thực tế đã công nhận dữ liệu viễn thám là ‘big data’. Thêm vào đó, dữ liệu viễn thám có cấu trúc rất phức tạp, nhiều định dạng như Geotiff, ASCII, HDF, …và không có sự tương tác giữa các loại dữ liệu từ các vệ tinh viễn thám khác nhau do đó cần phải thiết kế hệ thống có kiến trúc lưu trữ loại big data viễn thám này. Một vấn đề nữa là xử lý dữ liệu viễn thám đặt ra yêu cầu cao về hiệu năng tính toán.
Một mặt, với sự cải tiến liên tục về chất lượng và độ chính xác của dữ liệu, dữ liệu có độ phân giải cao hơn cần được xử lý; mặt khác, với sự phát triển của các thuật toán như machine learning và deep learning, các thuật toán xử lý dữ liệu viễn thám ngày càng trở nên phức tạp. Để giải quyết các vấn đề trên, đã có những nỗ lực to lớn tập trung vào cả tính khả dụng của dữ liệu viễn thám và khả năng xử lý. Để đảm bảo tính sẵn sàng ở mức độ cao của dữ liệu viễn thám, các hệ thống lưu trữ phân tán đã được áp dụng rộng rãi. MongeDB là một cơ sở dữ liệu phân tán ban đầu hỗ trợ cả lưu trữ và lập chỉ mục dữ liệu viễn thám và dữ liệu vectơ.
Hệ thống tệp phân tán Hadoop (HDFS) được áp dụng để có thể lưu trữ tất cả các loại dữ liệu viễn thám đã chứng tỏ là vượt trội so với hệ thống tệp cục bộ.
Với cơ sở dữ liệu NoQuery cũng có thể lưu trữ dữ liệu viễn thám như HBase Ngoài ra, các hệ thống lưới toàn cầu riêng biệt (DGGS) và một số cách tiếp cận tổ chức dữ liệu khác cũng giúp lập chỉ mục và xác định tổ chức dữ liệu hang. HPC dựa trên cluster và cloud là hai kiểu chiếm ưu thế nhất để xử lý viễn thám.
Cấu trúc của Master-Slave giúp lập kế hoạch và thực hiện xử lý viễn thám phức tạp, điều này chứng tỏ cải thiện đáng kể hiệu quả của tính toán trong xử lý dữ liệu viễn thám. OpenMP cung cấp hiệu suất tính toán linh hoạt, có thể mở rộng và có khả năng tính toán.
Đề xuất để cung cấp giải pháp xuyên suốt cho viễn thám dữ liệu lớn
Ngoài các giải pháp riêng lẻ, một số nền tảng hợp nhất được đề xuất để cung cấp giải pháp xuyên suốt cho viễn thám dữ liệu lớn. Google Earth Engine (GEE) là một cái tên không còn xa lạ đặc biệt với người sử dụng cá nhân-còn nhiều hạn chế về hạ tầng lưu trữ và tính toán hiệu năng cao, GEE cung cấp quyền truy cập dễ dàng để sử dụng các tài nguyên tính toán dựa vào nền tảng cloudcomputing cho các bộ dữ liệu viễn thám quy mô lớn.
Tuy nhiên, GEE không phải là nguồn mở và không thuận tiện khi xử lý các bộ dữ liệu riêng với tài nguyên máy tính riêng của người dung mặc dù đây là một nền tảng xử lý dữ liệu lớn rất thành công. Vì thế Google Colaboratory (GC) ra đời để hoàn thành nốt sứ mạng trên, rất phù hợp để giải các bài toán đòi hỏi hiệu năng tính toán lớn, tích hợp sẵn các framework như Tensorflow, Keras và PyTorch để hỗ trợ cho deep learning và đặc biệt là hoàn toàn miễn phí cho người sử dụng, đáp ứng được nhu cầu trong lĩnh vực nghiên cứu và giáo dục mà không phải chọn giải pháp thuê dịch vụ của Amazon Web Services (AWS) như trước kia.
Uỷ ban vệ tinh quan sát trái đất (CEOS) đã có báo cáo mặc dù chưa thể hiện đầy đủ các hoạt động liên quan đến việc khai thác vệ tinh quan sát trái đất (EO) nhưng hy vọng họ đã đưa ra một dấu hiệu về lĩnh vực đang phát triển và ngày càng phát triển.
Dữ liệu viễn thám đã trở nên phổ biến và ngày càng được sử dụng rộng rãi
Dữ liệu viễn thám đã trở nên phổ biến và ngày càng được sử dụng rộng rãi trong cả các cơ quan nhà nước, doanh nghiệp và cá nhân. Nhu cầu dữ liệu viễn thám không ngừng gia tăng và ngày càng có xu hướng tích hợp các chủng loại khác nhau, bao gồm cả dữ liệu viễn thám thu thập từ các vệ tinh quan trắc trái đất, ảnh hàng không, ảnh chụp từ thiết bị bay không người lái và các dữ liệu đo đạc, quan trắc trên mặt đất. Nguồn cung cấp dữ liệu viễn thám cũng ngày càng đa dạng, phong phú hơn từ các loại ảnh độ phân giải thấp như MODIS, VIIRS, OceanSat, độ phân giải trung bình như Landsat 8, Sentinel 1, 2 đến các loại ảnh độ phân giải cao và siêu cao như LISS-IV, SPOT 6/7, Planet Scope, Pleaides, KompSat, WorldView. Không chỉ có các dữ liệu ảnh thương mại mà nhiều loại dữ liệu ảnh viễn thám có giá trị như Landsat 8, Sentinel 1-5 còn được cung cấp miễn phí cho người sử dụng. Điều này đã dẫn đến khả năng tiếp cận và sử dụng dữ liệu viễn thám dễ dàng, cho phép tìm kiếm giải pháp cho các vấn đề phức tạp hơn. Tuy nhiên, việc có thể khai thác, sử dụng quá nhiều nguồn dữ liệu viễn thám khác nhau cũng đặt ra những thử thách mới, trong đó việc xử lý khối lượng lớn dữ liệu và định dạng dữ liệu phức tạp với các phương pháp phân tích xử lý khác nhau trở thành một trong những nội dung chính cần được nghiên cứu. Để giải quyết vấn đề này các nghiên cứu ứng dụng công nghệ Dữ liệu lớn (Big data), điện toán đám mây (Cloud computing) kết hợp với trí tuệ nhân tạo (AI), máy học, đã và đang được triển khai mạnh mẽ trong những năm gần đây. Các nền tảng ứng dụng cho phép khai thác, chia sẻ, phân tích dữ liệu lớn như Google Earth Engine, Amazon Web Service, Hadoop … từng bước trở thành các công cụ thiết yếu phụ vụ cho việc khai thác, ứng dụng dữ liệu viễn thám.
Với công nghệ viễn thám ngày càng phát triển và được ứng dụng rộng rãi trong nhiều ngành, lĩnh vực của đời sống xã hội. Xu hướng phát triển của công nghệ viễn thám của thế giới trong giai đoạn hiện nay và trong thời gian tới có thể sẽ rất khác so với công nghệ hiện tại đang sử dụng và nhiều khái niệm mới về hệ thống viễn thám, công nghệ viễn thám cũng sẽ ra đời. Điều này đòi hỏi chúng ta phải phân tích dự báo và nắm bắt được các xu thế đó để có định hướng phát triển khoa học và công nghệ phù hợp nhằm tận dụng được tri thức của nhân loại cũng như rút ngắn khoảng cách về trình độ thông qua việc hợp tác nghiên cứu, chuyển giao và phát triển công nghệ.
