. ?1 U2 }. \, z% Y# `, t! s& F 01 什么是遥感数据% e v- N7 m5 J+ \; `; f$ J3 W
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。 4 N- e q* Z9 a. F
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。
a" h* h% X+ n! A 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。
! `2 r! {* q6 C X" b7 V% | 它们是如何产生的呢？ ! Q" \7 G4 j0 p' E( z" e/ ^) R
02 遥感数据的采集方式
" F" ^9 M( [. @: D* y4 {' m$ q 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]
9 u& h5 z4 T: g 1. 航天遥感 . U; \3 J3 i( D9 l
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。 8 U- Q8 \9 L+ v0 b; T
2. 航空遥感
]& P6 o: y9 ]9 u5 |" F2 ?3 V 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。
6 I9 g4 j/ g* m5 H0 Y& L* }9 i 3. 地面遥感
- d4 f/ w" L1 h# r" p 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？]。
8 ]. n1 |& x& _% g; r) M) J0 @3 R 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。 / A' }. i& J, h) ^' M
03 遥感数据特点. _5 N* v& m1 Y1 h8 q; W- R
遥感数据主要有如下特点：
0 r8 b, o" S, M ● 感测范围大，具有综合、宏观的特点； 1 E; \/ K: J# p" k4 ^- k$ g
● 信息量大，具有手段多、技术先进的特点；
6 C/ V# z- d5 b' o3 s, h ● 获取信息快，更新周期短，具有动态监测的特点； 3 T3 M- W" N& t+ b
● 用途广、效益高。[3] 1 }) |* M8 ^- _" a
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。 1 w6 M7 Q5 q( {
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。
; H+ b3 ^% z2 ^8 t 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： 5 _1 K. ]# O- }
1. 原始高分辨率遥感图像难以获取。 3 Q( o) z$ ~) p5 o
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。 0 m" Y2 s# w, K2 a( k7 z- j
2. 遥感图像较自然图像，细节丢失更为严重。 ) I/ G! F5 C/ s2 Q
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。 % F9 I+ H5 L, v+ W2 N( n3 [
3. 遥感图像场景内容差异较大。 ( u3 V; Y" T: Q$ f2 _
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。
! p/ N1 S( ^2 u4 u1 p 4. 遥感图像同一场景下，目标物空间大小差异较大。
2 Y) ?' n2 Y* j4 P1 L6 V 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。
L) O, [3 p% E, ^- T/ [ 那目前遥感领域常见的任务类型有哪些呢？
8 @9 X) q z. Y. y 04 基于深度学习的遥感信息提取的任务类型
. {8 f/ I8 G8 R2 ^" R) n0 s- U# z 1. 遥感图像的目标检测
0 d- N! f$ I+ e9 g' ~4 @ 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。
9 T# c. E. Z9 h. s( L# u2 e2 u 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。 z0 y, J! o1 ~7 g/ g" P5 K1 q
2. 遥感地物分割 # B1 [8 b: H' r% B" a
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。
: ?! |( I- o8 \3 s# O 3. 遥感变化检测 $ f: f i+ y1 `; q
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 。
9 w- }( M6 s/ U% \ 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？
0 W0 Y4 u. v7 P: o 05
/ X S9 F p5 n; Q9 U 遥感数据的应用方向 " C8 {: P7 Y5 v; R; F1 a
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；
$ ?5 j. L) ^+ Q$ D! C# v, r% w 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。 + G2 o/ P3 E7 Z" i4 ]2 k7 l: N# i$ V
06
" O7 _2 M6 A9 @7 \ 遥感数据集资源 , E: S* {0 p# K/ v
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！
$ D( m3 k6 h( h · DOTA V2.0 - |# o* t( y: F& Y/ {
https://opendatalab.com/91
# D: q* Y3 J8 v% o( j c · DOTA V1.5
: [8 S4 v& h3 k( }: S# f+ p9 ^/ x https://opendatalab.com/90 8 s" K! |( J+ t* A5 n3 x
· DOTA V1.0 ; B- d1 r0 E$ X2 i. `& p+ |( W
https://opendatalab.com/89 6 M7 x+ q$ A# Z+ E1 e9 F
· UCAS-AOD 1 C- i" `, _6 N8 |& M) y
https://opendatalab.com/102
0 G9 p! x* f6 j s& k1 N t1 L! ~ · xBD
- }; B9 s* j) } https://opendatalab.com/94
" D; K( L$ }# L8 u# ^3 [: c p 参考资料： : z3 N/ A: v, n( V( a% [! i
[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw 7 J8 B8 ~. u- F' ?5 S8 ?6 `1 K
[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.
/ [" [. N+ j' @ [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：
0 E# z1 f! B7 _% _
% U% w. k6 x3 ]( w 点下方可免费获取地信遥感考研资料 5 w v2 P* W1 t, S) _; O7 T" c
% \, w6 S) w1 [: G, p) D [# P
+ `6 L7 {7 x) E2 b/ h/ O
' ]" J0 u6 |& f+ X; L, S
广告
" e- Q, G) K' r- H* n % f1 s0 Z; W- E( j
# y2 x/ N$ C0 X8 _+ ^
点我可免费咨询
. M: o. ]& n# O. j 可获取免费资料
. x) ~4 M+ C9 X" V& E7 p) r0 z # U; A: j( L7 ]/ Y& ]
, ]: E& [1 h e& u' r& k3 g# b/ w
# R, [7 V% b8 x, r6 h
* Y! X8 w5 D8 w, f' y" O: Z. T/ E ) i4 O$ R* ^8 p, Q& Y8 i. D4 }
" `# F2 a+ c6 {
: V$ G( R1 H; N) d0 O! Z, @6 E3 t6 S' E0 O, ~% j
; h+ I. y3 N- l# Y
| 
