6 g' ]& J$ ~7 f- @" s
01 什么是遥感数据" ~9 C& L: V5 D2 B z/ ~* x
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。 $ y$ |! K" k. Y
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。
4 E) P9 U" h! f" ]+ 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。
9 e+ d4 D5 N* Y1 O5 w; ~( z 它们是如何产生的呢？
9 l7 R+ h; H( T. u \% R( H2 C% ] 02 遥感数据的采集方式0 v" K a% @; b
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] & G# j' e4 Z0 N6 {
1. 航天遥感
& _4 P& U, K- r* S% y/ h7 `0 N 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。
& s2 j4 C7 @& E 2. 航空遥感 9 H( {# L1 H$ q! J8 E- n8 Z6 X) a
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 G/ C% i$ E, D0 a- I 3. 地面遥感
$ h- ^3 p ?7 q d- @( m0 A 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？]。
( Z- s. K# b7 E% k( K4 u 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。 # k+ q/ f, V/ k0 q* H3 \0 O# f
03 遥感数据特点
/ E) a2 h5 C) q: ? M8 P. y 遥感数据主要有如下特点：
6 ~5 |; L) t9 Z2 G% p- } ● 感测范围大，具有综合、宏观的特点；
. S1 {- p, _9 s# F ● 信息量大，具有手段多、技术先进的特点； 5 t' r" ?# Y8 J8 D0 n# f0 k3 b7 o- `
● 获取信息快，更新周期短，具有动态监测的特点； 5 x: A, ^: ?! N: x2 X; B
● 用途广、效益高。[3] ; M, e) |! }% O, c8 _ j3 [ ^7 w
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。 / _- i4 L1 G7 W
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。 2 a) j# P0 ^0 k' i( r
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： 9 o# _& l h9 F0 f
1. 原始高分辨率遥感图像难以获取。
$ C: Z( V) W# D! [- l 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 w: x. V# k9 |5 ?
2. 遥感图像较自然图像，细节丢失更为严重。 0 O) z' L9 X0 [% V
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。 0 g2 k! r: q! Q8 p: Y& l) d" o
3. 遥感图像场景内容差异较大。 . }+ v2 N, L. ? X- C9 f+ I* O- z
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。
" f1 g/ N7 G' Q5 l) ^ 4. 遥感图像同一场景下，目标物空间大小差异较大。
4 ^6 x2 |, i3 [" w+ y* {8 W# i 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。
. I/ Y& G" F* C, _2 e! N3 j 那目前遥感领域常见的任务类型有哪些呢？ 7 p' G) w0 b3 E R' k: S b7 @
04 基于深度学习的遥感信息提取的任务类型
5 q" U* v# @ P+ ^7 ~* ^ 1. 遥感图像的目标检测
0 t4 K2 t& v: }% v0 ~7 d3 D3 v 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。 ! P* y' y4 K* n% p ~
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。
4 @% Q0 R( C9 I- x 2. 遥感地物分割 9 p0 m& Z6 t/ ~8 F1 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。 $ y# \/ C3 E5 y
3. 遥感变化检测 5 C/ i$ \$ M: q6 o4 L% S7 U
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 。
8 y8 ^% y6 U; k* |: Y( S 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？ ; ? F& `# V0 m; S$ W
05 ' ]/ K9 O: `5 V z6 @; p. r _
遥感数据的应用方向
" R2 ^' E( X7 l D5 n 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； 7 q+ H) w3 E5 z3 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。 5 B1 u6 ]/ n$ A# O; X, ~
06
* {; { }% r" K. ~ 遥感数据集资源
4 B" ~- {0 Y) o" P+ w8 K 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！
# J- e* K: x @0 ^5 \. ?% l · DOTA V2.0
' Q- x8 H- H3 c/ Y1 |# i) { https://opendatalab.com/91
m, T" j+ ?3 L/ p& `+ \ · DOTA V1.5 8 K8 C. ^/ @$ a T
https://opendatalab.com/90
& w. r$ p `0 k' {2 l1 T · DOTA V1.0
, s( `. C* P2 [" Z s4 M. h https://opendatalab.com/89
- R4 ]. G/ U* I4 j · UCAS-AOD
- T, S5 C# R P# u3 S https://opendatalab.com/102
: R0 a1 l/ k7 o! U · xBD
! S; `" c1 E) _& S% @% y; k7 Y https://opendatalab.com/94 ; ?# [/ B1 i6 s$ o3 F) z
参考资料：
3 E6 d: L$ A& I o' p9 ?: v [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
: [! `" Q' O" R. Z; f [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. " _5 n+ f& z2 F2 v( r. ~
[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 i6 k0 ?4 r1 y0 t( ]& b
: A( D, d" ?" C7 ^5 t; O 点下方可免费获取地信遥感考研资料
N9 k) A3 G* k. v5 L6 D, r
. H( T( S; j) Y" I7 s/ o
. L$ ^/ A4 J5 ]8 h : [: L; _$ ~+ h0 {4 F6 C9 O. U
广告
& d6 K' `4 R- Y2 c% B
5 v5 H$ n1 b: U/ _; T' P8 L3 s 5 ^: L9 k. o, _1 [" b
点我可免费咨询
) {& j; ~ F, M' x$ B$ @% e; U 可获取免费资料 1 k: | S7 _5 S/ J
2 k' C# r) e' r; {7 f5 N& \
: ^0 f) F7 o( G7 E
8 ^5 x, I8 R9 G1 h
% S4 o: g$ z. c- g, V% H3 E r . ?4 h# b) Q9 \6 r8 l
# A( A/ G% E% L A- D! K- t" d: @- m
$ K" ]; h! e8 F/ ?( k& P8 A
5 C0 ]' m% H* r1 }8 q2 K- l | 
