$ w- X& U; t: h# c- [. u( V0 k' a 01 什么是遥感数据; i p1 q V, N0 D
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。 - H6 |+ U6 p5 C) N* ?* f8 f$ A% I
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 ~2 D J- m6 A" r1 d7 k 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。 % |, C+ [! q2 _: p
它们是如何产生的呢？ 0 `( C" g. l8 y3 P/ a. M, g6 i- T8 J
02 遥感数据的采集方式
( ?* {& l1 t( d, h; _( J9 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] - m( ]% I, H4 t, E/ S
1. 航天遥感 6 B$ H/ ], T. z/ e/ m0 e" K
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。
5 H+ s7 E9 m" `6 H/ r 2. 航空遥感
3 S. r( ]" t" t' m1 `) j 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。 7 M+ g7 k9 \, A4 ]- o6 e
3. 地面遥感 3 J x1 ?% x: _) |. }9 g! f
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？]。 # b) D- l' j/ Y; \: N) ]6 [
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。 : ~' r3 p3 N/ }2 B# a
03 遥感数据特点
- ?# s) G1 @* E l. G8 [5 l; h 遥感数据主要有如下特点： % e& z7 w" t5 u/ V2 m v& ]8 p
● 感测范围大，具有综合、宏观的特点；
1 g" {! n! v" l6 v: r ● 信息量大，具有手段多、技术先进的特点；
( n/ X6 k3 x9 W& r8 f ● 获取信息快，更新周期短，具有动态监测的特点； 0 p' |. q' \ |% T1 ^9 I8 K
● 用途广、效益高。[3] * m; Q$ d: u5 l2 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。 ) I, \$ {: y+ ~. b# [; J) \7 G- m3 s
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。
; a z+ ?$ ~& l9 U* C 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： + k2 L) s! w" O, H- B8 `6 c
1. 原始高分辨率遥感图像难以获取。
- _2 I) A4 A8 d' g7 z. d1 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。 " u- V C6 D, u" Z
2. 遥感图像较自然图像，细节丢失更为严重。 9 E8 H; U- E7 i( r
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。 * ~! g, T y6 X5 O8 p
3. 遥感图像场景内容差异较大。
5 N: P5 a5 k+ C) i 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。
4 B$ o A, B' ?7 o8 o) } 4. 遥感图像同一场景下，目标物空间大小差异较大。
) Y0 r8 O9 H+ r 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。
* C. m! h: {: _/ j, }; n 那目前遥感领域常见的任务类型有哪些呢？ $ y3 `1 V% ?3 D7 f
04 基于深度学习的遥感信息提取的任务类型' x( Z4 P- U O) X3 \
1. 遥感图像的目标检测
- c! s9 ~# E* q% {/ i7 Q 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。 0 m2 Z: O9 q# z
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。
. r Z% h5 v8 Q2 ^0 Q. V7 m 2. 遥感地物分割 ; r) o9 a7 _5 f( u9 g: p* G
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。 + Z& \" @! P1 q& i+ r `! Z$ ^
3. 遥感变化检测 . p3 F. l5 e# t9 j# 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 。
8 K2 \8 {: f( \- 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？
+ Y5 h i0 Q$ `/ d" W 05 - Z5 e# u9 g2 ` z2 A3 Y
遥感数据的应用方向 ( o& X" D! L! [) e) G
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；
+ K% ]& g% H9 ^ 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。
, V# w: v1 A9 u, p; k5 t- \! R. F 06
$ K A8 j8 X+ @% R0 Z. F 遥感数据集资源 5 Q& M4 V. C5 U' E# A7 R
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！
& k' t5 m. A3 F& G1 o) {6 M · DOTA V2.0 # `* }) z3 x* k
https://opendatalab.com/91
9 v/ J. {+ ?2 V5 Q# x) z · DOTA V1.5
, Z7 I) L: j* { https://opendatalab.com/90
' i0 \ p" ^. c& ?1 P · DOTA V1.0 0 Q/ z, e2 M% \
https://opendatalab.com/89
, {) Q" i5 v9 a0 s7 } · UCAS-AOD
$ Q0 T& l) F6 R5 Q' z0 N4 ?! N https://opendatalab.com/102 9 @4 Q% l. \3 Z% U
· xBD
4 A5 w- q! L) z! g1 b https://opendatalab.com/94
( p6 y }% X# {+ E5 f# r 参考资料：
! w6 I0 _" }* ^8 v0 K8 z# z! J [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw , d D& R" e! |5 N/ T( P4 k' h
[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. % T) J, y: O$ j! M x' r" p
[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：
/ _) k" O9 B0 k: S) \. W & y" b7 U! F. j3 e A
点下方可免费获取地信遥感考研资料
: U; q5 ~; {4 D Z; [ 6 F. k" R9 `* |2 l
4 ^0 M% U' Q# j' R6 @. q
" }7 a% t/ ?+ I1 F# ? [, T3 M7 s3 K 广告
- h& d0 A1 Z* }' j) t % `" i3 ~0 |: ~* R5 I: }5 o+ A; ~
8 t- E+ j" s0 G1 Y* z 点我可免费咨询
6 q O2 d8 p. B1 O 可获取免费资料
" L$ Y: s+ [. W6 T! b7 K
; q- Q1 z8 E% `- K3 S3 U # h) S1 B4 P2 d2 Y) F& F) I, ?6 ?
f1 t" R) Q B
. h8 y3 n$ @4 R( ?
# N/ k; j& \& \4 C
; B7 f$ I) _' c( a
! a+ B. T' q# N& d' r0 U
- G) W! u+ \, [2 J/ _
) d+ J5 S8 t/ v- N | 
