遙感大數(shù)據(jù)時代

遙感，即遙遠的感知。1839年，第一臺相機問世之后，人們嘗試通過把各種成像設備放置到更高的平臺，以更加寬廣的視角觀察我們周邊的世界。

目前全球已經(jīng)進入小時級的快速響應以及亞米級遙感觀測大數(shù)據(jù)時代，遙感以電磁波為信息載體，極大拓展人的感知能力。遙感拓展到更加寬廣的感知范圍的同時，也帶來更加廣闊的應用前景。

從遙感觀測能力來看，從早些年百米級到現(xiàn)在米級、亞米級、厘米級的觀測能力，數(shù)據(jù)量增加帶來應用前景拓展，但是也給解譯帶來前所未有的挑戰(zhàn)，傳統(tǒng)人工解譯難以滿足數(shù)據(jù)量快速增長的需求，以至于在遙感應用面前顯得束手無策。

遙感信息快速自動化提取已經(jīng)成為遙感整個產(chǎn)業(yè)鏈的瓶頸所在，而人工智能是近些年最新且最劃有時代意義的技術(shù)，深度學習在計算機視覺等諸多領(lǐng)域已經(jīng)取得了突破性進展，遙感圖像作為一種特殊的影像必然可以享受到這種技術(shù)的紅利。但是，如何把AI和遙感數(shù)據(jù)進行融合釋放像元價值，這是非常值得討論的問題。

AI如何釋放遙感像元價值

遙感AI口糧從哪里來？
很大一定程度上得益于巨大影像庫，相對自然圖像而言遙感樣本庫少之又少，樣本數(shù)量也是少之又少。主要是因為遙感樣本庫不僅場景、成像過程復雜，而且樣本庫的形成也是非常復雜的過程。我們團隊經(jīng)過十年工程迭代，建立了超大規(guī)模遙感樣本庫，有效涵蓋全國范圍/部分全球，可以滿足五十幾種產(chǎn)品研發(fā)和生產(chǎn)。

有了數(shù)據(jù)，怎么把影像數(shù)據(jù)輸入到AI系統(tǒng)當中，也就是解決吃得下的問題。
深度學習框架就是解決此工作的，但在面對具有多通道、大場景、具有地理坐標和豐富信息的遙感數(shù)據(jù)，現(xiàn)有的深度學習基礎(chǔ)框架和針對自然圖像的框架并不能很好地適用遙感數(shù)據(jù)。所以，我們基于對遙感數(shù)據(jù)的理解和在AI智能分析方面的經(jīng)驗，經(jīng)過幾年的工程研發(fā)，研究出了業(yè)界首套全遙感體系的專用深度學習框架，能夠滿足遙感分割分類、目標識別、變化檢測和遙感參數(shù)反演。

深度網(wǎng)絡模型吃下遙感數(shù)據(jù)如何消化吸收，充分提取遙感信息是釋放遙感價值的關(guān)鍵所在。
遙感具有豐富的光譜、輻射、紋理和語義等信息，其中遙感圖像的“譜”特征是遙感圖像和自然圖象最本質(zhì)的區(qū)別。但如何結(jié)合地學場景下、構(gòu)建融合遙感特征的深度學習網(wǎng)絡算法模型，這是釋放遙感價值的最關(guān)鍵環(huán)節(jié)。例如這里的耕地在可見光影像下是一片綠，而利用多光譜圖像能將不同作物進行區(qū)分，也就是利用地物的光譜信息能實現(xiàn)更加精準的分類。

如何提高模型泛化能力，實現(xiàn)大場景應用需求，這是開展遙感應用不得不解決的問題。
遙感應用場景巨大且非常復雜，再疊加遙感成像過程的復雜，使得“同物異譜、同譜異物”現(xiàn)象非常普遍。以常用的水體為例，水體中泥沙和葉綠素差異、不同水質(zhì)、不同溫度和光照條件下都都使水體產(chǎn)生巨大差異；再如看似簡單的室外田徑場不僅自身差別大，而且有很多“李逵”來搗亂，多種因素的疊加使得在大范圍內(nèi)實現(xiàn)精確識別都非常困難。而這些問題一方面依靠我們大規(guī)模樣本庫，另外一方面也依靠模型算法改進加以解決。

如何把過程簡化甚至自動化，這是遙感走向平常百姓家的前提。
為此，我們研發(fā)了蒼靈AI ImageBot智能簡易平臺，構(gòu)建了從原始衛(wèi)星影像到遙感專題信息產(chǎn)品生成的全流程、自動化、流式快速產(chǎn)品生產(chǎn)線，可實現(xiàn)遙感信息產(chǎn)品的“近實時”生產(chǎn)、算法與產(chǎn)品的“進化與迭代”。

主要產(chǎn)地品與典型應用

前面提到地是遙感圖像得到的信息，實際中遙感技術(shù)AI應用非常廣泛。例如：列出的這些自然資源、城市監(jiān)管、全球戰(zhàn)略都有廣泛的應用前景，都可針對不同行業(yè)做出屬于自己的產(chǎn)品。

這張圖是我們第一次實現(xiàn)了利用米級圖像實現(xiàn)全國目標的全自動識別，我們用一臺服務器在3天內(nèi)完成了全國室外運動場識別，精度超過95%，也也應該是業(yè)界第一次在這么高分辨率實現(xiàn)全國產(chǎn)品生產(chǎn)。

基于這些全國規(guī)模的專題數(shù)據(jù)，即使使用簡單的顏色渲染就可以把中國經(jīng)濟、人口發(fā)展分布勾勒地比較清晰，這也正是大數(shù)據(jù)魅力所在。

綜合利用多種信息，通過空間分布信息和時間監(jiān)測信息，能夠?qū)芏鄡?nèi)在規(guī)律進行探尋，例如對京津冀霧霾原因的分析，很顯然工業(yè)污染是最主要的霧霾元兇。

綜上，遙感記錄了人類幾十年的真實發(fā)展過程，我們利用這種AI+遙感數(shù)據(jù)可以提高快速分析能力，實現(xiàn)四十年滄海桑田信息變化的監(jiān)測。我們也能夠從全球角度來觀察和思考問題。例如把全球鋼鐵廠、火電廠、水泥廠放在一起，從全球角度來說，有四個地區(qū)，兩個歐美發(fā)達國家，兩個發(fā)展中國家——印度和中國；從具體數(shù)據(jù)來看，中國占了半壁江山，這說明國家發(fā)展主要由GDP總量和增速決定的。通過這些數(shù)據(jù)，我們可以開展很多方面的應用。

總結(jié)

以上是生活随笔為你收集整理的AI+遥感：释放每个像元价值（人工智能应用案例）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。