用到的理论基础。
[0037] 知识、知识表示及知识运用的推理算法是人工智能的核心（史忠植，2011)。知识 是人们在改造客观世界的实践中积累起来的认识和经验。推理是对知识运用的最主要形 式，是运用问题和对问题进行求解的主要方法，也是人类解决问题的主要方式。知识推理可 以从一个或已知的逻辑推论出一个新的逻辑（史忠植，2011)。
[0038] 知识表示是多学科结合的产物，它的理论和技术主要来源于逻辑学、本体论和计 算理论（Sowa，JohnF.，2003)。逻辑学提供形式化的表示形式和结构，以及相应的推理规 贝1J。本体论明确定义了应用领域中各种对象和概念。计算理论支持本体和逻辑推理在程序 中加以计算和执行，它使知识表示有别于纯哲学范畴。
[0039] 产生式规则表示法也称产生式表示法或规则，是目前人工智能中应用最多的一种 知识表示形式。产生式规则的常见形式是：if(条件1) & (条件2) &···& (条件n)then(结论 1)&(结论2) &···&(结论η)。其基本含义是，如果当前状态从条件1至条件η都满足，那么 可以得到结论1至结论η。其中条件也称为前提或前件，结论既可以是事实也可以是操作。
[0040] 产生式规则是产生式系统中的一部分，其推理是通过产生式系统来完成的。产生 式系统由全局数据库、产生式规则以及控制策略三大部分组成，如图2所示。全局数据库也 称为事实库，存放的是问题求解过程中的各种状态?目息，其内容在推理过程中是不断变化 的，例如：问题的初始状态、推理中间结果、最终结论等。产生式规则构成了推理的过程和 行为。控制策略决定规则如何应用，包括规则的匹配选择、执行、冲突消解以及推理终止等。 产生式系统的推理是反复进行规则的选择、冲突消解、执行的过程，直到获得所需结论或者 所有可用规则都已执行从而终止推理。在推理过程中按推理方向可以分为正向推理、逆向 推理以及双向推理。
[0041] 产生式系统的优点是产生式规则的因果式表示方式简单、自然、易于理解，且规则 形式统一易于模块化设计、管理、维护。同时，产生式规则可表达模糊、不精确、不完全的知 识。产生式系统仅规定了系统的组成结构、相互功能以及规则形式，对于其他细节则无限 定，具有较好的灵活性。
[0042] 其缺点是规则的提取需要领域专家的参与，将领域专家的经验知识抽象为规则， 知识的获取的困难也成为了系统的瓶颈。由于规则库规模一般较大，其推理又是一个反复 迭代的过程，因此效率不高，并且求解复杂问题时容易引起"组合爆炸"。且规则之间的联系 较弱，较难表示具有结构性或层次性的知识。
[0043] 接下来，阐述本发明的具体技术方案：
[0044] 参见图1，本发明实施例所提供方法主要包括以下步骤：
[0045] 步骤1，建立遥感卫星传感器的传感器模型。传感器模型是传感器实例的抽象类。 遥感卫星传感器可分为成像类传感器和非成像类传感器，本方法仅关注成像类传感器；按 照电磁波辐射来源的不同将成像类传感器分为两类：主动式传感器和被动式传感器；主动 式传感器主要是SAR、激光雷达传感器，被动式包括线阵、框幅式等传感器；遥感卫星传感 器实例都是传感器模型中概念类的实例。
[0046] 实施例建立的传感器模型参见图3,首先将遥感卫星传感器分为成像类传感器和 非成像类传感器，本方法仅关注成像类传感器；成像类传感器按电磁波辐射来源不同进一 步分为主动式传感器和被动式传感器；主动式传感器主要有SAR、激光雷达，其中SAR传感 器具有多种成像模式，不同的成像模式有不同的空间分辨率和成像带宽；SAR传感器的常 用属性有频段、极化方式，激光雷达传感器的常用属性有回波次数、回波强度；被动式传感 器包括推扫式传感器、摆扫式传感器、框幅式相机、摄像机，被动式传感器通常接收若干个 电磁波段信息，每个波段具有独立的频谱范围和空间分辨率；推扫式传感器常见属性包括 视场角、每行像元数，其依据相机的个数分为单线阵传感器、双线阵传感器以及三线阵传感 器，对于双线阵、三线阵传感器还有夹角及基高比属性，摆扫式传感器常用属性包括行数、 列数，框幅式相机常用属性包括焦距、综合分辨率，摄像机传感器常用属性包括帧率、信噪 比。
[0047] 步骤2,建立遥感卫星传感器的传感器典型配置。传感器典型配置是传感器依据辐 射特征、空间分辨率特征、时间分辨率特征、光谱分辨率特征的综合多维分类。依据传感器 辐射特征首先将传感器典型配置分为雷达卫星传感器、高光谱光学卫星传感器以及非高光 谱光学卫星传感器三大类；每个类别再依据空间分辨率、时间分辨率以及光谱、频谱特征分 类。
[0048] 实施例建立的传感器典型配置参见图4,首先将传感器典型配置分为雷达卫星传 感器、高光谱卫星传感器以及非高光谱光学卫星传感器三大类，
[0049]雷达卫星传感器包括C/X频段（R-F)、C频段（R-A)、X频段、L频段，X频段分为高 分辨率（R-D)、甚高分辨率（R-E)，L频段分为星座（R-C)、C频段（R-A)、中等分辨率，中等分 辨率又分为非多极化（R-H)、多极化（R-G);
[0050]高光谱卫星传感器包括超低分辨率（H-E)、低分辨率（H-F)、非成像（H-D)、高分辨 率（H-C)、中等分辨率，中等分辨率分为小幅宽（H-B)和一般幅宽（Η-A);
[0051]非高光谱光学卫星传感器包括低分辨率（0-G)、高分辨率（0-D)、超低分辨率、中 等分辨率、甚高分辨率，超低分辨率分为热/近红外（0-1)、多光谱（0-H);中等分辨率分 为地球同步（0-F)、太阳同步（0-E);甚高分辨率分为立体测绘（0-〇、非敏捷（0-A)、敏捷 (0-B)〇
[0052] 表1传感器典型配置说明
[0053]
[0061] 步骤3，建立遥感应用的任务本体模型。任务本体模型是不同领域遥感影像应用任 务的树状概念集合，其中的任务概念依据任务类型逐层细分。
[0062] 具体实施时，任务本体模型的建立无严格规定，一般按照领域和任务类型逐层细 分（可参见杨小忠等，2007)。
[0063] 步骤4,建立遥感应用的任务本体模型概念与传感器典型配置映射关系，并顾及空 间尺度特征。
[0064] 所述步骤4中，任务本体模型概念与传感器典型配置映射关系建立需要顾及空间 尺度约束，空间尺度的划分为：大区域、中等区域和小区域，其中大区域为省级范围，中等区 域为市级范围，小区域为县级范围。不同任务本体模型概念在不同空间尺度下，映射不同的 传感器典型配置。如台风预警任务与传感器典型配置关系如下：
[0065]表4台风预警任务与传感器典型配置关系
[0066]
[0067] 步骤5,建立遥感卫星传感器的传感器实例与传感器典型配置映射关系。
[0068]所述步骤5中传感器实例与传感器模型映射关系建立的具体方法如下：计算传感 器实例各特征参数与传感器典型配置特征参数的符合度，建立传感器实例与符合度最大的 传感器典型配置之间的关联。
[0069] 首先，依据传感器类型（非高光谱、高光谱、雷达）判断其所属传感器典型配置分 类；记传感器为s，其所属传感器典型配置集合为SC，传感器s的属性集合为匕，SC中单个 传感器典型配置的属性集合为h，若对于每个&都能找到相对应的Fi(即两属性的类型一 致，比如都为空间分辨率），且乂 <=€，那么该传感器与该传感器典型配置的符合度为1，否 则为0。若传感器计算有多个传感器典型配置符合度为1，则可由用户自行加入，或者由专 家辅助判断加入。
[0070]步骤6,输入任务，通过任务本体模型概念与传感器典型配置映射关系、传感器实 例与传感器典型配置映射关系，获取满足该任务的传感器实例及特征参数，并转化为对遥 感影像元数据的查询，最终获取遥感影像查询结果。
[0071]可以预先进行步骤1~5或者直