d8 k; u) `0 |2 D" U d 01 什么是遥感数据+ j3 S( o, R8 D4 N- b4 F
遥感（remote sensing）是指非接触的，远距离的探测技术。一般指运用传感器/遥感器对物体的电磁波的辐射、反射特性的探测。 6 C. f$ T7 o+ h* K2 u
作为一种重要的对地观测技术，它为我们研究和理解地球表面提供了主要的数据来源。
6 Q' L5 s* |% E0 }0 v 目前遥感数据呈现出高中低分辨率、多光谱、高光谱、SAR、街景及LiDAR激光点云等多源数据共存的情况，为遥感监测及其他多领域应用提供了基本数据保障。
/ E) z% h. p# P+ ` 它们是如何产生的呢？
8 K- u* J- _4 V 02 遥感数据的采集方式
0 w( ~( A+ ?% B p" I# j" H 获取遥感数据的装备主要包括遥感平台和传感器。根据遥感平台的高度，可将遥感技术划分为航天遥感、航空遥感以及地面遥感。[2] ) G2 Q& r$ k9 N: D) A; J: x) e- g
1. 航天遥感 . p, Z) [/ L$ A7 i
以载人飞船、太空站、人造卫星等各种太空飞行器为平台，搭载照相机、多谱段扫描仪、合成孔径雷达等传感器的遥感技术系统。 3 E" H+ N4 j' n; ~
2. 航空遥感
8 W& I$ @9 ]6 B, A* O 利用飞艇、飞机、气球等平台完成对地观测任务的遥感技术系统。 " p- B0 @0 Q! N/ k3 D5 ] \! F
3. 地面遥感 * z) W: x8 |* Q" `1 O- U
将地物波谱仪或各种传感器安装在船、车、高塔等平台上的遥感技术系统；比如我们上一期提到的[激光雷达（LiDAR）点云数据知多少？]。
! q1 e; y+ v% J0 P) p& H 传感器方面，可利用可见光、红外线、微波等探测仪器，通过摄影扫描、信息感应、传输和处理等，来识别地面物体的性质和运动状态。 0 v0 ^, \& M( D
03 遥感数据特点( f7 ?. U" S/ m6 n
遥感数据主要有如下特点： , b! T* i6 x$ O" A+ w
● 感测范围大，具有综合、宏观的特点； % h8 V! ^8 {' f4 t, n
● 信息量大，具有手段多、技术先进的特点；
) `+ e, h' R; P' h. x ● 获取信息快，更新周期短，具有动态监测的特点；
5 d0 l, r3 {, J! ^3 P% l' b ● 用途广、效益高。[3]
6 N4 {! [: P3 [8 |/ f7 x8 Y. L 随着遥感技术的进步，获取的数据精度越来越大，达到亚米级别，人工识别已不能满足需求，智能提取技术正在快速发展。 ) X( q3 ~0 ?5 d( W3 Y# P0 |
遥感和人工智能的结合，可以实现更大范围、更加丰富、更加精细的多种地表的时空要素信息，而这些信息可以给广泛的应用行业提供了赋能可能性。
/ P5 S0 ]' ~) I* o- d2 z- I% u- } DOTA数据集样本预览（图源：网络）从深度学习角度来看，遥感数据还存在以下几个问题： . z `) A- D8 n0 l% z. P
1. 原始高分辨率遥感图像难以获取。 " e1 }- |0 \+ `) W4 u4 ]. `
对于光学遥感数据集来说，由于遥感图像采集过程中大气扰动、噪声、传感器抖动等因素的影响，使获取的数据存在不确定性等影响，真实的高分辨率图像难以获得。 8 c7 q2 t+ x: X' X2 c* h( X
2. 遥感图像较自然图像，细节丢失更为严重。 8 ?4 l1 z3 H8 \" I7 j( k
通常，光学遥感图像单个像素所代表的实际距离超过5m，导致图像中细节损失，重建困难。 , M7 w9 r/ u) U# G. _8 s
3. 遥感图像场景内容差异较大。 * k- ^! r) ?8 N0 S% B6 `4 W
遥感拍摄往往涉及到多种地貌，因此会拍摄到多种场景内容，导致样本的多样性。因此，遥感数据集对于单个场景的贡献也被削弱。 ( m D4 A' K+ Z: }3 b! Y x/ x6 ^" {
4. 遥感图像同一场景下，目标物空间大小差异较大。 % ?6 S3 C+ L* ^' C. R9 u$ j& @
在一幅遥感图像中往往包含多个目标，且这些目标物的尺寸大小都不相同，如在街道场景中车辆可能只占了几个像素，房屋占了几百个像素，在卷积的过程中，可能丢失小目标的特征，从而影响SR结果的准确性。
$ s2 v) }, R4 l4 \3 v6 x 那目前遥感领域常见的任务类型有哪些呢？ " K6 n/ S2 i4 q1 f+ ^0 g* M
04 基于深度学习的遥感信息提取的任务类型" x: |' y5 A% |2 {
1. 遥感图像的目标检测 # H( [' R! L! r
将深度神经网络应用于遥感图像的目标检测，增强了算法图像纹理感知能力和目标变化适应能力，在检测性能上有了较大的提升，且可用于检测复杂物体。
% {# f; x% K1 H 但该方法仍受限于图像分辨率、天气和计算能力等因素，提高其对外界环境的适应性仍是研究的难点。 7 @1 D, u% i2 e3 B
2. 遥感地物分割 , R5 `$ y4 K, L
遥感图像分割是基于地理对象进行图像分析的关键和重要步骤， 在遥感图像中，它通常被视为景观变化检测和土地利用/覆被分类的辅助手段，可通过输入卫星遥感影像，自动识别道路、河流、庄稼、 建筑物等，并且对图像中的每个像素进行标注。 ( v( P3 _5 C5 O, X( Y6 H6 O- i. L2 E
3. 遥感变化检测 7 _) |9 ~3 n' Y( A
变化检测是对地物或现象进行多次观测从而识别其状态变化的过程， 实时检测地表变化信息。目前，遥感变化检测技术已成功应用于环境保护、城市规划、军事侦察等领域 。
4 m' C4 ]2 p( q* Q5 L 基于神经网络的遥感图像分割结果（图源：参考资料[2]）那遥感数据可以用来干什么？ . D3 |. z s" t2 V/ ]
05 + n+ x1 B, }+ w0 M8 c9 T; g; a* x
遥感数据的应用方向
& }. r3 y# S* i; S 遥感技术广泛用于军事侦察、导弹预警、军事测绘、海洋监视、气象观测等； o% _" Z! @! F
在民用方面,遥感技术广泛用于地球资源普查、植被分类、土地利用规划、农作物病虫害和作物产量调查、环境污染监测、海洋研制、地震监测、城市土地/建筑规划、地形图更新等方面。
) q3 H, W6 o' d" i& Y/ o) B 06 ' d4 Q) z. Y, p) q
遥感数据集资源
4 K. a, P+ D% O: H7 Y) A; T7 K6 A OpenDataLab平台已经上架了系列经典的遥感数据集，并且对DOTA V2.0数据集进行了标准化，不仅提供了丰富的数据集信息、流畅的下载速度，还统一了脚本格式，免去大家处理数据格式的麻烦，快来体验吧！ 2 V8 z& E% d& i! C- g4 _
· DOTA V2.0
0 A+ Z2 Y# P3 E6 Z https://opendatalab.com/91
" Q- L( T! ]6 F4 {3 {3 [: i" M · DOTA V1.5 % }! F- X4 L( w1 A: V% ]; ?
https://opendatalab.com/90
& m( z# P# J+ y1 K5 U ?5 j · DOTA V1.0
' I' u7 D5 [" N; W) F; u) ] https://opendatalab.com/89
) G$ s0 a e4 u' x · UCAS-AOD
( n! Z! j! L ?* N. o& s" M& O https://opendatalab.com/102 ! [ y* x1 C1 ^$ R! D6 d# t' B
· xBD 3 @, n7 a. `5 ]# ]6 I8 f
https://opendatalab.com/94 $ j4 U! D) s1 n' i$ s2 E$ F
参考资料： 7 u- [: v/ ^% g& E- |6 e
[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw # Y% z' f, J/ i2 D3 h' I
[2]刘伟权,王程,臧彧,胡倩,于尚书,赖柏锜. 基于遥感大数据的信息提取技术综述[J]. 大数据,2022,8(02):28-57. / V! z7 P5 x" v$ A
[3]李正,刘薇,张凯兵. 基于机器学习的遥感图像超分辨综述[J]. 计算机工程与应用,2021,57(13):8-17. 来源：OpenDataLab，作者：专注于AI 数据遥感地信考研书籍介绍：
7 q" z% g7 ?& w
4 X T0 q5 j/ F1 n* P 点下方可免费获取地信遥感考研资料
( t$ W: f3 T! X2 ~ . x) s, {4 I& Z" m8 l
+ A$ g9 ~1 v+ T8 j5 q2 U9 P
% _6 {2 [1 i3 Y* p# C
广告 & C( v, N- n, Z. }3 s* Z
! f: y7 ]* j3 m" c" O) c 7 `' ?8 Y5 i4 Y7 G% U! ?/ e2 {# C |
点我可免费咨询
3 F* P5 z1 m& B) \9 v 可获取免费资料
% ^# E4 x3 A! S% G 8 z# b/ C& |# A
2 }/ n3 W1 _) }
% [3 G* L1 ?* {- x- N' y7 h
" C1 K7 W4 n+ t! x' h+ \4 M " X, t2 Y. E+ a/ x' }. W# r& u7 }; S
, c1 U% a- R/ Y6 @ ~8 B0 ]1 K: N- u+ {# P$ e
: o& E7 L. C0 K0 M- O* L8 [# \6 C# w
| 
