指导专家 龚健雅中国科学院院士童庆禧中国科学院院士 主编 刘玉璋泰伯网创办人、董事长兼泰伯研究院院长 编委(按姓氏拼音字母排序) 李素菊应急管理部国家减灾中心卫星应用部主任孟瑜中科院空天院研究员、国家遥感应用工程技术研究中心主任邵远征武汉云成卫星科技有限公司总经理王超北京数慧时空信息技术有限公司董事长汪磊北京观微科技有限公司总裁吴秋华北京国遥新天地信息技术股份有限公司总裁颜军珠海欧比特宇航科技股份有限公司董事长张兵中国科学院空天信息创新研究院副院长张文国生态环境部卫星环境应用中心首席科学家周晓青自然资源部国土卫星遥感应用中心处长 目录 前言..................................................................11、智能遥感发展概述...................................................31.1内涵...........................................................31.1.1智能遥感定义.............................................31.1.2智能遥感发展历程.........................................41.2政策...........................................................91.2.1政策文件.................................................91.2.2卫星应用中心成立情况....................................141.3市场..........................................................241.3.1市场规模................................................241.3.2产业图谱................................................252、智能遥感技术体系..................................................262.1技术架构......................................................262.2关键技术......................................................262.2.1语义分割................................................272.2.2目标识别................................................272.2.3场景分类................................................292.2.4数据集和数据平台........................................303、智能遥感技术应用典型案例..........................................333.1应用场景概览..................................................33 3.2自然资源......................................................353.3应急管理......................................................413.4生态环境......................................................453.5城市建设......................................................513.6农业林业......................................................524、趋势与建议........................................................584.1未来发展趋势..................................................584.1.1技术趋势................................................584.1.2应用趋势................................................594.2存在问题与建议................................................61结束语...............................................................64 前言 近年来,随着低轨卫星、航空摄影、无人机等新技术的快速发展,各种对地观测数据获取量与日俱增。作为天然具有海量大数据特征的数据源,遥感数据的处理和应用正在成为越来越迫切的行业痛点和技术难点。 人工智能技术以深度学习算法为核心,能够对大数据进行智能分析与解译。随着人工智能的深入发展及其与各行业的深度融合,跨领域、全格局正在成为新趋势。而遥感作为一种特殊的图像,是与人工智能紧密关联的领域。通过人工智能技术对遥感行业的赋能,基于深度学习的智能遥感影像解译技术,在对海量遥感数据的特征提取与表征上具有显著优势,或将成为遥感大数据领域最重要的发展趋势之一。 泰伯智库分析认为,人工智能与遥感的碰撞,将在时空大数据和数据建模处理等方面给遥感行业带来技术上的革新,改善传统的遥感技术模式,增强整体技术的智能化水平,对实现遥感影像的自动解译意义重大。 本白皮书的编写得益于泰伯智库在遥感领域十多年的行业积累,以泰伯智库的产业数据库为基础,结合了对卫星遥感、测绘地理信息及遥感应用相关企业和行业专家的广泛调研。最终,白皮书总结了智能遥感发展现状,梳理了智能遥感相关的关键技术,盘点了智能遥感在部分重要行业领域的典型应用案例,同时还预测了技术发展趋势、行业存在的问题,并提出了若干建议。本白皮书希望通过对行业进展和发展态势的梳理,为主管部门、行业用户和各相关产业链企业提供决策参考。 最后,本次白皮书能够顺利编写完成,离不开各位指导专家、编委及合作单位 的大力支持,特此致谢!泰伯研究院分析师陈梦卉,生态环境部卫星环境应用中心蔡明勇、邰文飞、郑晓雄,欧比特纪婵、国遥新天地陈鹏、北京数慧李辉、观微科技李梦薇等作为白皮书主要撰稿人和素材整理提供人员,对白皮书编辑出刊贡献了主要力量。由于编写仓促或调研不够全面所致,部分章节可能存在疏漏之处,泰伯研究团队愿意对此承担所有责任。 泰伯智库2023年5月 主要参编企业鸣谢:(按企业简称拼音首字母排序) 1、智能遥感发展概述 1.1内涵 1.1.1智能遥感定义 遥感(RemoteSensing)由美国海军科学研究局的EvelynL.Pruitt在1960年首先提出。遥感技术是根据电磁波的理论,应用各种传感仪器,对远距离目标所辐射和反射的电磁波信息进行收集、处理、分析,以识别目标物体及其变化规律,解决有关实际应用问题全过程的总称。 按遥感工作高度分类,遥感技术可分为航天遥感、航空遥感及地面遥感。航天遥感以卫星遥感为主,是以人造卫星为平台的遥感技术系统;航空遥感是指从飞机、飞艇、气球或无人机等空中平台对地观测的遥感技术系统;地面遥感是指以高塔、车、船为平台,通过地物波谱仪或传感器进行测量的遥感技术系统。 随着遥感对地观测技术的发展,每天都会产生大量遥感影像数据,如何快速处理、解译和提取遥感信息面临巨大挑战。而人工智能(AI)技术是以深度学习算法为核心,能够对大数据进行智能分析与解译。因此,智能遥感即是将AI应用于遥感,以机器学习为基础,将AI的数据、算法、算力三大要素植入到遥感应用中,贯穿遥感领域的海量多源异构数据从处理分析到共享应用全链条,高效精准处理遥感数据,从而催生新的遥感应用,促进遥感数据服务模式的变革。 人工智能与遥感的碰撞,将在时空大数据和数据处理分析等方面给遥感行业带来技术上的革新,改善传统的遥感技术模式,增强整体技术的智能化水平。当前,人工智能特别是深度学习方法已经在遥感领域的目标与场景识别、信息提取、地物 分类、变化检测、三维重建等方面取得重要进展。通过人工智能技术对遥感行业的赋能,基于深度学习的智能遥感影像解译技术,在对海量遥感数据的特征提取与表征上具有显著优势,将成为遥感大数据领域最重要的发展趋势之一。 1.1.2智能遥感发展历程 在过去几十年中,人们对遥感数据的智能自动解译进行了大量研究,取得了一定进展。从遥感影像解译发展历程来看,遥感影像解译技术经历了人工目视判读、计算机分类与人机交互半自动解译阶段,随着日新月异的遥感应用需求、高分辨率遥感卫星的发射、人工智能技术的发展、地理知识的积累,以及历史积累数据的应用,目前正在向自动化智能化方向发展。 (1)人工目视判读解译阶段 20世纪70年代,目视解译是遥感影像解译的主要方法。这是一种人工提取信息的方法,即使用眼睛目视观察(可以借助于一些光学仪器),通过利用图像的影像特征(色调或色彩,即波谱特征)和空间特征(形状、大小、阴影、纹理、图型、位置和布局),凭借人的经验、知识,与多种非遥感信息资料相组合,运用生物地学相关规律,进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理判断,从而提取有用的信息。 然而,目视解译工作存在着一定的局限性:①目视解译要求图像目视判读者具有丰富的地学知识和目视判读经验;②目视解译需要花费大量的时间,劳动强度大,信息获取周期长;③遥感图像解译质量受目视判读者的经验、对解译区域的熟悉程度等各种因素制约,具有很大的主观性;④不能完全实现定量描述;⑤无法实现RS (遥感)与GIS(地理信息系统)的集成。 尽管如此,由于目前计算机自动识别的精度不够高,目视判读仍然是一种不可缺少而又行之有效的方法。“中国遥感地学之父”、中国科学院院士陈述彭先生也曾肯定了目视解译方法,认为“目视解译不是遥感应用的初级阶段,或者是可有可无的。相反,它是遥感应用中无可替代的组成部分,它将与地学分析方法长期共存、相辅相成”。 (2)人机交互半自动解译阶段 20世纪70年代起,随着Landsat陆地卫星发射成功,人们就开始利用计算机进行卫星遥感图像的解译研究。最初是利用数字图像处理软件对卫星数字图像进行几何纠正与位置配准,在此基础上,采用人机交互方式从遥感影像中获取有关地学信息。 这一阶段的解译方法又经历了两个阶段的发展,即统计模式识别法和遥感与地理信息系统综合解译法。 统计模式识别法 20世纪80年代初,主要是研究利用统计模式识别方法对遥感影像进行计算机自动识别。如利用最大似然法对遥感影像数据进行分类;运用光谱特征对多波段卫星影像进行分类,从中获取森林资源信息。 这种方法的特点是根据影像中的地物多光谱特征,对遥感影像中的地物进行分类。常规统计模式识别方法可以根据遥感数据的概率密度分布分为参数统计分析模型和非参数化统计模型。如Bayes最大似然遥感影像分类器,要求预先假设各类别在特征空间上的密度分布服从高斯密度分布,是典型的参数统计分析模型。 统计模式识别的根本缺陷如下:①样本不符合假设的某种分布规律。在很多具体地学分析中,参数密度分布并不一定能满足假设条件,一些常见参数分布如高斯分布,并不一定适合实际情况的复杂性。如在遥感影像中的水体信息,由于深浅、浑浊、表面波浪等程度或外界因数的差异,其在特征空间上的分布形式往往表现为多