+ U$ t }" C3 s7 _6 K5 s# s 01 什么是遥感数据
+ g& @( z8 @2 o% V 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。
* G* D" R- i6 R3 H! b# O 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。 9 W5 \5 A+ r6 D/ |, \- | }) ]
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。
) P8 z$ C5 V0 M, O2 k 它们是如何产生的呢？ 9 S' y4 w; ]( J+ }5 M3 ?
02 遥感数据的采集方式2 w5 ~, J- G6 r$ Z& h
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] ; T/ F3 G8 J0 r/ ` c8 m8 H# C# c
1. 航天遥感 + A; v: G% Z0 l0 C6 C f$ V+ p# ^
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。 ! W1 g$ N% T ~8 `+ i0 ?' y
2. 航空遥感
( g( a8 E" ~3 T# u 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。 " Y3 q$ }2 e! a: C! ^9 w
3. 地面遥感
. w; F3 `2 S( ?2 m; \2 E2 N$ v 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？]。
+ p; {7 A' T7 `; 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。
# U( N" K9 k/ Q9 p4 [7 Z 03 遥感数据特点
- z! a6 T- m# j) h+ b8 f/ M 遥感数据主要有如下特点： # B* @ ]3 Z# I
● 感测范围大，具有综合、宏观的特点； 0 |% w* [7 X& l2 A
● 信息量大，具有手段多、技术先进的特点； % H7 V9 N7 E7 A$ N; t7 S# P
● 获取信息快，更新周期短，具有动态监测的特点； 7 U$ q. q! V$ D+ F" l O, r
● 用途广、效益高。[3] % J& W/ I+ F4 g) 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。
4 m6 L V9 A# w9 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。
. a6 G' `( Q2 U$ e+ M0 k+ w 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： % r7 v9 |( E: n# j
1. 原始高分辨率遥感图像难以获取。 ! G) [) H6 B# {& y- I. {
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。 ; s3 J' Q$ o3 s# ?
2. 遥感图像较自然图像，细节丢失更为严重。 / w! S+ e6 h. T4 }0 B
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。
; L3 J& M: B6 M+ t 3. 遥感图像场景内容差异较大。 * I! X" J# F% Y* S) f, J
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。
; N" p1 S+ H) e* T5 q 4. 遥感图像同一场景下，目标物空间大小差异较大。
6 ~$ {% e; e0 j* N 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。 8 a& t8 ]- Y/ h3 S; N7 J/ o
那目前遥感领域常见的任务类型有哪些呢？
( ]+ _2 J- e0 V H3 _% w 04 基于深度学习的遥感信息提取的任务类型' v, t! k! c1 R" ]$ z
1. 遥感图像的目标检测
+ Z. |- T; r5 N- i* n7 ~ 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。 1 L2 ]& i) ]- n' C7 \; f6 l( D
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- t% B+ V; w v/ G7 ~
2. 遥感地物分割 ' M) Q8 A0 A( T; t) U
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。
3 ]0 {2 A; x/ ~7 U 3. 遥感变化检测 , d3 d% K8 u9 u& A1 P5 T
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 。 2 `' r$ M7 `( ?
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？ $ D& A2 g# x% V* J/ F
05 8 a, d8 v5 D( e* ]+ F( R
遥感数据的应用方向
5 G) ~4 }# \& G' N& f3 R 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； * l4 E( | k8 a2 y
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。 0 I, Z( w! _% E$ P% M
06 ' T% c. y* _6 v1 x2 h
遥感数据集资源 7 F, o7 E: W- w! g& {9 i
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！
4 ^1 a$ p% w6 T2 w0 ^2 Z · DOTA V2.0 : b9 n( \0 m- g# |/ M* p5 U
https://opendatalab.com/91
. y% _2 g; u6 G0 H- q$ t& D · DOTA V1.5 ( o1 f5 m) N3 _( J
https://opendatalab.com/90
1 A8 V+ H& W( z# H · DOTA V1.0
/ l$ D3 J0 B7 B4 i& p Y' m+ k https://opendatalab.com/89 + x2 q* M. t) A j9 o# P- c
· UCAS-AOD * y" J5 L9 c$ |( M
https://opendatalab.com/102
5 w) l! P {5 _( p% H" C" z# P · xBD ! J7 O$ | b1 p- O9 q0 }8 U$ q
https://opendatalab.com/94 . Z. {4 R1 `2 g2 [/ J
参考资料：
7 \/ Z8 \2 Z# j6 d: S [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
7 J* s( f3 U( Y6 L) h, u, B [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.
9 T' _9 R1 Y. l [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：
1 U7 p9 A, n/ T i' a; H
- W' E& F- M" P! B0 Q 点下方可免费获取地信遥感考研资料 ! w/ r( F u3 d @/ N- q* Q8 M
9 u! L! }! @8 O( y
9 n$ o: [& w; @, T+ H: i - W, S h5 ]5 m$ T6 ~) h
广告
. W+ O \; h, k5 f
8 H: F a4 K8 M( {, K" X2 R
; M3 K5 {3 }: N8 i$ ]% z! i: u, U; ` 点我可免费咨询5 D, Z! H1 Y# y$ O6 ~$ m7 ?0 `; w4 E
可获取免费资料
3 C1 b& G/ j6 e. A, ~
2 w% |4 J/ V7 A% x* ]! @
6 g0 I% W6 W7 S* m
+ Z% m* p7 x1 h- i- T0 I 9 h+ r' x$ q* l5 [
* ^ Y! I: {" N2 \2 m$ f1 {% s9 _
$ X! ^9 _; ? N' O
/ s( I' k* z6 I6 c6 d9 a+ |# f P8 u/ |) }
7 C4 H$ g; l4 f$ g6 Q1 F; [ | 
