! h& J1 Z$ H2 V- B7 f 01 什么是遥感数据
- h8 ]1 P$ v5 o0 a 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。 . ?6 @- @; d9 s& R# y' J
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。
2 ^& C' o- V |: d2 u 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。
o4 D& E. p- T4 p, g' k4 W# m 它们是如何产生的呢？ 3 s0 W6 E# W, w- L8 |( y4 S( [
02 遥感数据的采集方式
k2 Q+ W5 q' y& x% D' Y: o 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]
: ^7 E, [" y: ~. r0 Z, L6 I# r 1. 航天遥感
; B7 K/ k U! U0 P/ z8 D 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。 , D/ C$ Z$ y( Q5 `! {$ x
2. 航空遥感
+ ?7 F3 ]5 C% H# M7 r 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。 ) k4 K% m8 t# e6 K
3. 地面遥感
8 r: o4 I6 ~3 A' v9 Y. B 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？]。 # _) Q* [' M1 |
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。
# J. k- Q1 \& [) K R% B 03 遥感数据特点
) ~3 ^% }% S- ?+ z) H1 P 遥感数据主要有如下特点：
7 R: \5 _+ h2 b ● 感测范围大，具有综合、宏观的特点； ' X7 [$ E8 A9 O; R4 Q% ~8 Z
● 信息量大，具有手段多、技术先进的特点；
1 N0 C! N6 j3 N+ `$ s6 R' I4 _ ● 获取信息快，更新周期短，具有动态监测的特点；
& s) j4 N0 a2 q- h ● 用途广、效益高。[3] ; A) m r! Y6 R6 X; M4 g/ e [
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。
* h1 K' k8 d3 D2 A 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。 4 f( s) L3 L9 P
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：
' c3 b6 v9 f% e, F8 g 1. 原始高分辨率遥感图像难以获取。 " c$ n& K1 B, l1 M# 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。 2 c5 Y3 o' q7 U! M8 N
2. 遥感图像较自然图像，细节丢失更为严重。
. q4 S) B( C: J# o 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。 + j5 J. K ]/ ]$ Q$ i) w
3. 遥感图像场景内容差异较大。
" ]3 I5 l# W* w( Y 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。 " z$ B, g7 f+ _! K
4. 遥感图像同一场景下，目标物空间大小差异较大。 # b Q/ E5 C* t
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。
" B$ w' o8 M0 z) p* d! N" |: h 那目前遥感领域常见的任务类型有哪些呢？ $ l+ v$ I/ A4 t {
04 基于深度学习的遥感信息提取的任务类型
! J, T& |5 P; W s& M) h" Z 1. 遥感图像的目标检测
3 }' K C. [8 d4 [6 A. a2 Y9 ` 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。 ' l/ C3 l) X& w$ A! q- K+ I; y8 y* |; F
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。
/ N& Z2 I- f, x7 E 2. 遥感地物分割 ; u* @# M& S7 |# H% h3 \3 T ~
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。
' n) P" |2 D3 L 3. 遥感变化检测 * M4 I* J3 [$ E5 W
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 。 9 E/ L _/ v5 m8 p9 Z
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？
, S) \* s9 f, H( u2 w$ `3 H1 Q% J 05 7 U8 `/ K% J) i* w9 V9 N
遥感数据的应用方向 ' i; E; o( k# |) u& P% 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；
% Y& Z6 O ^: t 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。
# Y7 ^6 C( h+ n9 { 06 7 u( B+ c0 `+ \, n* }; M6 {
遥感数据集资源 4 K# e- x: O6 k. G6 l
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！ % [! X9 {) l% K7 l& e# ~
· DOTA V2.0
% m) d+ G& U6 k- p3 n; ^& Z1 V https://opendatalab.com/91
( L: w J7 l4 {9 h" N/ W · DOTA V1.5 5 M7 [7 C Z7 m* c! @7 m1 ^0 r
https://opendatalab.com/90 ( G. p$ H+ f. [! ]
· DOTA V1.0
0 X/ E% ^: w; T9 ~ https://opendatalab.com/89 ( c4 `7 O5 w( @/ q# C0 D! O' Z
· UCAS-AOD 8 i1 w8 H: i3 j/ G9 P
https://opendatalab.com/102
6 {8 b4 a7 }3 r2 A) r7 J · xBD t9 m' c5 |# M3 Z5 L
https://opendatalab.com/94 # S1 {& R/ ]- Z: Q, q
参考资料： ( ]3 S/ h( Y% x8 q/ Q6 D. H
[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
( D L; G! i# x# M# t [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. ) K7 H( T% O) U5 C3 `- p" w
[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：
- b1 x# _5 q7 s* {' ~ ; n. J/ w8 l9 d4 k6 {; o3 W- o
点下方可免费获取地信遥感考研资料 $ l: [1 w+ M$ B3 w; o5 h+ Y- A" N
~2 k; y) k- a9 o- U1 h 4 e$ R, T$ p/ x- X7 I- P! ?
8 \; k5 R( [3 n" m4 {/ [# {
广告 8 K1 K3 J# v4 t8 X1 y
) {! n W& j/ Y/ i: H& }' W
) \2 v3 k& ^$ T* ~ 点我可免费咨询
* Y4 E- a0 h- P% j+ y 可获取免费资料
6 `( j$ d( t/ i% _; Q0 C) b
! Z+ c+ s1 J/ U: y) A: Z+ `
3 k6 H/ W* f1 l \5 u0 k' |' A: w3 N' `# g
, U0 r5 P& ]- f 1 j. x4 N: i. K& ^+ z4 [. w! ?
+ Z# ]1 X/ ?9 w2 V: Z D" j9 v% q8 G1 n" {$ Z
1 K3 F9 t! x7 q1 Y! V6 j! j
1 F3 X' l1 q5 c/ e | 
