; |: k8 m. l9 U+ d 01 什么是遥感数据3 q9 U3 X! t8 a* N Q# a' p+ t" a
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。
% C8 @) @5 T: X" |( E/ P 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。 / ~; v$ k2 K+ Z6 n4 }! R* j, b
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。
# g6 g1 l1 B! e* [6 a" R8 J- D5 i" B 它们是如何产生的呢？
5 F0 `( b- _. L h. s4 g+ t# t! r 02 遥感数据的采集方式( _ n% `7 \" E* S
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]
4 r4 O1 s* T2 `+ A 1. 航天遥感 , c0 A6 x1 D9 V2 z) K7 h. r
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。 2 F u1 a9 E' G7 N/ F i8 b+ y6 ~, K
2. 航空遥感 + D1 j; R, p6 }
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。 # f0 j2 g- o" ?$ c8 C6 O
3. 地面遥感 0 I- J4 R+ P6 G& C( d2 j
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？]。
* V/ C* w- `0 n 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。
$ \7 @9 R% N- I; Q2 {/ g' n: o 03 遥感数据特点
; P5 U H& j1 \7 x$ l8 N2 L6 z 遥感数据主要有如下特点： 8 h5 `" C4 A6 i
● 感测范围大，具有综合、宏观的特点；
( i2 H2 }; ^; }* t ● 信息量大，具有手段多、技术先进的特点； ; Z3 w* K" h* K# ~. F
● 获取信息快，更新周期短，具有动态监测的特点； ( W" B& T. }$ {
● 用途广、效益高。[3] . C+ u7 [+ o) G8 x
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。 % U$ c# n5 |3 S" T; g+ J
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。
; X: J/ K" [8 e; X3 G1 w 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：
% l. D3 ^2 c8 j" m& Q/ B2 m 1. 原始高分辨率遥感图像难以获取。
7 V; P7 G* C1 @5 ~# {( N& N 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。 $ {3 P; X4 w5 \: j
2. 遥感图像较自然图像，细节丢失更为严重。
) r4 [+ Z( n* a3 B/ Y* h 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。 " X. |2 L# v$ G2 m) A5 y* r! U3 I
3. 遥感图像场景内容差异较大。 ) f o( d1 N% s
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。
5 `; z, v. ]' Y5 P. K% G3 d 4. 遥感图像同一场景下，目标物空间大小差异较大。 ! \4 d; ^2 A; } L
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。
1 p) M _9 Z" q4 d) u: s; W _ 那目前遥感领域常见的任务类型有哪些呢？ * O9 A4 a5 p9 s* I
04 基于深度学习的遥感信息提取的任务类型4 v; |: U# n. Q! a C! o, O9 A
1. 遥感图像的目标检测
1 ?# _, C9 i9 b7 X) c* K 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。
5 u2 S8 Q6 j# V4 W7 B 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。
9 B/ C& c1 s; _' b9 v7 F 2. 遥感地物分割 ' H3 L2 E8 l/ a& L0 ]! ]
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。
; b3 j3 D5 k9 n: b$ p6 a 3. 遥感变化检测 ) u+ a n7 b- M% ^- |
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 ?2 C8 X; j' B3 o1 H8 P1 t 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？
& c& F; \ y* ]/ U2 p 05 2 }; M; M K2 t. k- N
遥感数据的应用方向
0 t1 M8 Z" ~& 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； # n- V2 p1 ?, k5 B1 I/ i( 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。
4 O4 X: i9 x0 z" Z; a- X# l! m" X 06 ) T' \& g) \2 I9 B3 G
遥感数据集资源
( e/ n; [) K: T) e2 ] 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！ * P9 n1 y6 h; E' M5 L' @
· DOTA V2.0 ; L/ G: ]: s6 Q0 a. W
https://opendatalab.com/91
! b$ Z5 Y+ S% {6 ~7 a · DOTA V1.5 i8 R9 S% ]: g2 Z/ t3 a; h8 R+ o) c
https://opendatalab.com/90 1 P& [- |0 F, y. u" _9 g7 z
· DOTA V1.0 6 c* q0 {4 `. I& ~0 }1 D
https://opendatalab.com/89 8 `1 I1 u, T) i& P
· UCAS-AOD
7 E- V2 L1 M4 Z( w2 T" e https://opendatalab.com/102
+ U6 C7 l8 X) r$ U! t · xBD
0 v) C* n/ F: i% x. _8 ?. V https://opendatalab.com/94
S; _/ o/ z& p* e9 B 参考资料：
6 X o3 ?: j/ p: q1 n$ M [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw $ j% V/ g/ I7 H9 w8 Z, [7 T. j
[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.
1 T% b. S# H: i8 E; P- e" m [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：. [6 {5 N$ \6 K4 ^* V L
; F$ Q* {* F" R$ h0 f 点下方可免费获取地信遥感考研资料 ' r; Q: d; \" c
/ J& P* N3 m3 s6 j- { k
1 ~" F- y* U9 F, y9 m* E
; u' o0 e% z& [% w' K 广告 2 [/ z9 \% z7 @ D
6 p: j' c* k1 q% h; A C5 ] h0 q4 C3 Q- \5 B7 W
点我可免费咨询
' m& }, K: e: z! ^* a6 o' _ 可获取免费资料
' w+ y. [+ Y7 A- N) ^' x- X $ ~- s6 {% U3 T
5 k" c% B$ h6 m4 G" I
7 [ K# V9 o- ? 9 f3 p1 n2 G7 Y/ B' l0 J# M
- t# D0 F) P' e/ @% z9 ~) _0 B
1 O: H6 _/ }5 E( g' L# a' O4 R7 p' ] W! }! o3 P
/ E2 I4 D) g$ t" k* _
$ F9 W; [ A$ k) N. x | 
