- ]: k: O% D* Y( m1 p2 t 01 什么是遥感数据: w9 w% ^; v. ^7 e% b
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。
0 L) d- z4 {$ C6 C7 L 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。 ( ]. Z7 \2 ^/ r, c
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: Z5 j* g! W
它们是如何产生的呢？
+ D) N" A- D" E" U1 D* Y 02 遥感数据的采集方式+ s: I/ V( T8 j* Z
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] ( v: q3 J. T+ c* x% f$ n
1. 航天遥感
{+ x. ~! s$ U3 R% G _ 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。 ) R0 H( L0 |6 C" G9 @1 I
2. 航空遥感
& j, C6 V y' u0 _ 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。 - C4 y! _+ Z! O/ L
3. 地面遥感 O( j% n3 u; Z& U7 {; O; ^, M
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？]。
; k# H z$ L" f% G1 @ 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。 6 E3 y: \* t; j7 t
03 遥感数据特点. r* L8 @3 r' `$ X, K- T* A
遥感数据主要有如下特点：
. ]; M+ u' N; `% R ● 感测范围大，具有综合、宏观的特点；
) A3 E9 q" n* G* B" S) H% u ● 信息量大，具有手段多、技术先进的特点；
! H, H! k9 M; C: ]+ |5 ^ ● 获取信息快，更新周期短，具有动态监测的特点；
/ J6 T4 b; F1 v7 P ● 用途广、效益高。[3]
' c" k8 j6 O# X3 r7 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。 5 _: ?- Z) t8 f' s, K5 i
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。
9 x6 _. H7 s; ?; L5 J( 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： 5 P0 J P0 I# K7 e) M2 t0 X+ h
1. 原始高分辨率遥感图像难以获取。
* x/ _3 L5 a- q ~6 r 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。
9 D9 i; x6 G7 e! X. B* |- ~3 \ F, T 2. 遥感图像较自然图像，细节丢失更为严重。 : L/ g+ Y4 |4 [
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 { T2 ?8 Q6 i: @ L" b1 a- R 3. 遥感图像场景内容差异较大。 ) J! u+ F% t/ }5 |' Q/ U
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。
* z6 Y* c& f: O+ b8 u2 l 4. 遥感图像同一场景下，目标物空间大小差异较大。 , T, L0 ^$ v0 M+ D& k8 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。
" b3 f1 ^3 B8 T: p o5 D 那目前遥感领域常见的任务类型有哪些呢？ 3 l G8 w% _6 P: E$ o
04 基于深度学习的遥感信息提取的任务类型8 u9 g. L* i! [4 F
1. 遥感图像的目标检测
5 V8 `- p8 m, o( x2 I 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。 ; Z1 Y, L, S" g" _5 z6 V
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。
% I/ k5 K1 H/ w( ~$ e 2. 遥感地物分割
; C8 j6 g" s3 _7 `. w0 w+ O 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。 ; \7 k f! N" J g! Q5 j+ `
3. 遥感变化检测 9 v7 b, w2 k. a0 p- T3 R! ~
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 。 - H- S: S- w/ N
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？
6 _$ E% P+ ^" x3 W3 r 05
. p0 Z4 _0 T! q3 ?1 Z6 v 遥感数据的应用方向
2 y8 F1 s' s4 X8 r; h) D% Z+ u! _ 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；
6 |! i/ K; F; ~1 ~ 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。 9 r/ j1 G2 F+ i! J' e7 {, ^3 e
06
; H/ t8 p# U, w% m 遥感数据集资源
9 R4 z& o/ S% y7 x9 }2 | 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！
9 f1 u$ I+ i7 h7 z9 R( ?' p · DOTA V2.0 9 z( z: ]- r0 L' X) o& W- l
https://opendatalab.com/91
/ p& m0 v0 x% W" \ · DOTA V1.5
& \$ b: Z7 `8 J6 j2 M" `5 Z https://opendatalab.com/90 4 L* E2 [! f3 } `
· DOTA V1.0 g2 Q3 C* t) u0 f/ g- m* [
https://opendatalab.com/89 6 v' m& A' B+ T5 u4 ~* \
· UCAS-AOD 2 l, U3 m3 b! S! J& [
https://opendatalab.com/102
}0 Q4 }- W6 H* n7 P4 o · xBD 3 Q5 K+ }3 A# T1 M4 q
https://opendatalab.com/94 / W( `( b: o x
参考资料：
7 U- y: n; L1 f9 n [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
- d( B* e* E4 b- h& O* { [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.
; L# N) ]0 U6 B! M! 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：
8 V4 w4 l; U, O" m5 k1 X- B, d
5 C; G3 \. e0 G2 i# |: } 点下方可免费获取地信遥感考研资料 * I1 Y8 i: ] b/ A E$ Z, x) a
: f* ^5 Y1 h, c( Q, I2 J4 K% ]+ c" a * T) N6 T) W* s8 U1 ~% r, I
6 b; |8 {8 h# |, O 广告 " \* v8 f$ C$ B4 ~8 l7 [6 s
8 ]6 u- B- Z/ I/ g# r1 g4 o" Q; q 8 `+ P+ @/ L: ?, a
点我可免费咨询
. \4 W" S# u' X* l4 G: G 可获取免费资料 1 a& K9 P, y- {: @: G, b
7 R! B. H, b4 i; D$ ]9 e5 `
& s( u! G8 Q' f1 N
6 [ K. x5 x( f& E" o+ i6 u0 L. Q
7 n- D7 k3 i; k5 _, D" O( X, B
9 B* Z9 t! Z) @% v
/ K+ |$ m- L! U- @" A, L! U+ V: W. [* |# Z+ O
4 W1 \; l$ W' C3 E: a
$ g7 _2 b! ]! Y/ T# b2 r- Y; v
| 
