遥感领域革命性突破：多维度数据格式(MDD)实现时空光谱一体化管理

本刊推荐：针对传统遥感数据格式难以有效管理时序信息的问题，中国科学院团队创新性提出多维度数据格式(MDD)，通过整合时空光谱四维信息(T/S/S/T)，开发出TSB/TSP/TIB/TIP/TIS五种存储结构，在农业监测、水文分析等领域实现482%的效率提升，为遥感大数据分析提供标准化解决方案。

　　

在卫星遥感技术日新月异的今天，海量遥感数据的存储与管理正面临前所未有的挑战。传统GeoTIFF、HDF等格式虽能处理三维空间-光谱数据，却难以有效组织时间维度信息，导致"同谱异物、同物异谱"的识别难题长期存在。更棘手的是，离散存储的时序数据使得耕地监测、环境变迁等需要长期观测的研究不得不面对数据碎片化、处理效率低下等问题，严重制约着遥感大数据的深度应用。

针对这一行业痛点，中国科学院空天信息创新研究院（Aerospace Information Research Institute, Chinese Academy of Sciences）张立福研究员团队在《The Innovation》发表突破性成果。研究人员创新性地提出多维度数据格式(Multi-dimensional Data Format, MDD)，通过将时间(1D)、空间(2D)、光谱(1D)四个维度有机整合，开发出包含头文件(.mdr)和数据文件(.mdd)的标准化存储体系。该研究最引人注目的是设计了TSB（时序按波段）、TSP（时序按像素）、TIB（波段按时序交错）、TIP（像素按时序交错）、TIS（光谱按时序交错）五种智能存储结构，为不同类型的遥感分析任务量身定制数据组织方案。

研究团队采用多维分析(MDA)技术框架，在自主开发的MARS(Multidimensional Analysis of Remote Sensing)软件中实现MDD的工程化应用。关键技术包括：1）基于3D卷积神经网络的四维时空光谱立方体融合算法；2）动态时间规整(DTW)和拉普拉斯特征映射(LE)相结合的时序特征提取技术；3）利用中国地区Landsat-8/9和Sentinel-2卫星数据构建测试数据集；4）通过最小生成树(MST)算法优化空间分割精度。这些技术创新使得MDD在保持数据完整性的同时，将时序数据集构建效率提升达482%。

【存储结构设计】

研究提出的五种MDD存储结构各具特色：TSB格式通过"时间相→波段"序列保留空间-光谱信息，特别适合光谱立方体提取；TSP采用"时间相→像素"组织方式，为光谱导数计算提供便利；TIB将所有时序数据按波段分组，可快速提取单波段时间序列；TIP独创性地按像素组织全时序光谱数据，支持像素级时空谱分析；TIS则实现像素光谱的时序交错存储，赋能三维动态可视化。这些结构通过MARS软件中的多维分析模块灵活转换，满足不同应用场景需求。

【性能验证】

在实际应用中，MDD展现出惊人效率。以傅伯杰院士团队开发的全球土壤水分数据集为例，传统方法需要576个TIFF文件存储16年数据，而MDD仅用16个文件即完成整合，存储空间减少97%。在巴基斯坦农业监测中，MDD(TIB)格式成功提取出NDVI（归一化差异植被指数）、UNVI（通用归一化植被指数）和EVI（增强型植被指数）的作物特征时序曲线，实现跨区域作物精准分类。东湖富营养化研究中，MODIS时序数据通过TSB格式重组，快速生成2000-2020年归一化水体指数序列。

【应用拓展】

MDD的普适性在多个领域得到验证：1）农业上，通过融合Landsat和Sentinel-2数据，消除季相变化导致的"假变化"干扰；2）土地利用分类中，结合DTW和MST算法，将年度分类精度提升15%；3）水文监测方面，TIP格式支持时间序列分解，有效识别湖泊季节性变化规律；4）灾害管理中，跨光谱波段断点一致性分析使滑坡检测误报率降低22%。

这项研究的里程碑意义在于，首次建立起完整的遥感四维数据管理范式，解决了传统格式"重空间轻时间"的结构性缺陷。MDD不仅为Google Earth Engine等云平台提供理想的时序数据管理方案，其TIP/TIS等创新结构更为AI模型训练提供标准化数据管道。正如研究者展望，随着MDD在GEE等平台的集成应用，新一代遥感云计算系统将实现从"空间分析"到"时空谱协同认知"的范式转变，为全球变化研究、智慧城市建设等重大需求提供核心技术支撑。该成果已获国家重点研发计划(2022YFF0904400)和国家自然科学基金重点项目(41830108)支持，相关软件可通过http://www.geodoi.ac.cn/WebCn/doi.aspx?ld=7021获取。