" Q7 c9 h- G$ B) O; w# }
01 什么是遥感数据. n* @. j8 @$ a* s5 G9 e
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 ` F. O9 E+ I- s- f' D: e& n
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。
% t# o( c; _8 M u; I5 P$ p9 {6 } 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。
7 C: ]& j# _0 U% y 它们是如何产生的呢？ 9 M3 n( h" ?1 O
02 遥感数据的采集方式- I, ^: j4 E4 @# j- t! |4 m
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]
$ R, p" [! S( x6 }$ z7 ?: ~% s& z 1. 航天遥感
& D) W# S+ u- d6 N- m* 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。 6 e* W, N) y: ]1 T, b2 \
2. 航空遥感
6 Z2 ^; T5 j8 S. l 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。 0 s- h \5 V" c( f+ }6 S4 n
3. 地面遥感
7 s- a4 E/ z% r8 r( 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？]。
: n" g1 n% e3 ~$ ^/ Y 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。
% T; ?$ n, U6 T0 l) ~/ w7 I 03 遥感数据特点/ h! X; U& Z* H, S8 A# ^
遥感数据主要有如下特点：
8 @2 U4 R1 L1 s9 v: d ~ ● 感测范围大，具有综合、宏观的特点； 6 u+ x9 q/ b& f
● 信息量大，具有手段多、技术先进的特点；
: a# L/ _5 T7 w: V$ S( _ ● 获取信息快，更新周期短，具有动态监测的特点； , ~+ H& q; t! k) {2 l2 b6 K( [( m
● 用途广、效益高。[3] / x8 ~; h5 Y2 J! `: [
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。
, b6 w$ ~% c9 g 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。
/ s. V$ x( g# z7 O 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：
4 d ^0 _& F1 z B7 X7 h7 c$ U. j 1. 原始高分辨率遥感图像难以获取。
6 o- Y2 L& D: V. o7 F2 s6 {2 F 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。 0 |. F, m1 h' r( e: _# v5 z
2. 遥感图像较自然图像，细节丢失更为严重。
8 I+ a' Z2 { X6 J! q 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。
( r5 }$ Q6 P5 L5 X2 k 3. 遥感图像场景内容差异较大。 2 n6 T! B" {: c0 } _+ F
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。 + X# Q+ u- W, U# s$ u7 M; V
4. 遥感图像同一场景下，目标物空间大小差异较大。
$ H; j' Z" Q9 K6 v) O# \6 ^. x 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。 + L7 P5 L2 H/ m( f
那目前遥感领域常见的任务类型有哪些呢？
$ |2 Q9 c, O" O! ~6 n S1 C& u 04 基于深度学习的遥感信息提取的任务类型
7 J. [5 K: o ~" K/ V7 q9 ^- c 1. 遥感图像的目标检测
8 d2 \# i; ]' r8 b+ ~. i- ~8 N7 c2 ^ 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 M. @' a1 `9 b6 D, k8 b
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。
3 k, c2 R: ]6 B- |! s4 f- ^9 q9 W# ] 2. 遥感地物分割
, N. `# W" R' U8 ^/ o$ 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。 2 \) y+ v( c/ }6 d) ?2 A8 O
3. 遥感变化检测 ) P" ^- g, `3 Z. D
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 。
. Z, m3 H. @4 q0 c; G 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？ & o5 R' T! }1 x5 ^
05 # T! P; `2 A4 I: X: a$ B& j
遥感数据的应用方向 : Z+ R5 O% O* x4 ^, Z: Z' d
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；
; T4 f6 R; ]5 n: ?8 a4 j 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。 & D/ L. Y; ^$ A) ^. [! U
06 + a, P1 w# e- p% B, G# ?5 r
遥感数据集资源
4 p; F h, B& a 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！
" y4 @! S6 O9 ]- ~. v! _( y. J1 V* I · DOTA V2.0 ' ]* d/ ~# F3 P5 A
https://opendatalab.com/91 ( [ p: D' J4 L: |8 S6 J2 }
· DOTA V1.5
, e% m! l! [& e) G https://opendatalab.com/90
- G# b) Z6 X9 [, }& Q% O · DOTA V1.0
( z+ i+ p: n, n% z' |& \ https://opendatalab.com/89
7 a: y9 V" `: J" m · UCAS-AOD 0 j. D: h$ I8 p- b9 A/ M. c
https://opendatalab.com/102
7 k* C; i6 F5 X/ P% t1 i2 J · xBD
4 a' n8 B* K. _5 T https://opendatalab.com/94
* s9 K5 Q. ^ Q; P 参考资料：
. x7 m1 \& }0 e [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw " e$ T7 f% a/ f/ D8 Y
[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. 4 v6 s3 Y# K- K, F2 I
[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：
4 {, V. d: F. Q4 p' ^6 F* z
7 V* e5 F: e9 n) \! b: r" r4 M 点下方可免费获取地信遥感考研资料 * t/ J( h$ w" f. b0 L' D; A
, j, {( Q1 R* t& W4 z, f
4 R+ Q1 }0 Q; T$ |$ v 0 Z) k, S* `$ v
广告 2 ^$ P* u0 H* J+ G. [0 p* R1 I
5 A/ H9 s/ v0 S5 e t3 {- e
+ h: D$ D7 S$ b3 B: ^* ]" t% @( J
点我可免费咨询 X- @9 H+ u8 y0 B! `) Q& h
可获取免费资料
2 T' y4 K3 h, W( L; _; u 9 R: v/ q7 }0 I: r& f
* m% m# I4 O( E% C' D. o# R% O* w
( u. T0 m0 z6 L, v# x% W : m( j3 |- i: g6 m$ ?4 k H, x8 x% ^
" ]) [ t; A2 a% }# x. I9 p8 J0 H1 V( p$ r0 t+ f* _3 r5 c
7 v+ W, |# w: v! Y% u' g0 y3 A1 C9 h K' B: ~* |
( H- x2 r, W' J+ B' u
| 
