当“传统”遥感遇上AI：未来产业应用值得期待

有位朋友最近换了份工作，去了一家做数字地球的新公司。这家公司的母公司属于中科院旗下，基于卫星遥感数据，为政府和特种领域服务了近20年。新公司是想借助互联网平台，从线下向线上转型，把之前积累的遥感大数据和算法，结合云计算，通过云平台开放出来，服务更多的行业客户。我比较好奇，问了一个听起来很傻的问题，什么是遥感？好像离我们老百姓比较遥远。遥感就是遥远的感知，是从远离地面的不同工作平台上，如高塔、气球、飞机、火箭、人造地球卫星、宇宙飞船和航天飞机等，通过传感器对地球表面的电磁波辐射信息进行探测，然后经信息的传输、处理和判读分析，对地球的资源与环境进行探测与监测的综合性技术。我继续追问，AI为啥可以应用在遥感领域？与人工智能的数据、算法及算力三要素相似，遥感+AI叫智能遥感解译，也有三大核心要素，遥感影像样本库、遥感智能解译的算法与模型、能够进行大规模计算的硬件平台。数据方面，遥感数据天然就是大量的各类影像数据。随着近些年卫星发射成本下降，国家和商业卫星发射数量持续增加，以及国家“高分专项”工程，获取的数据种类和精度得到持续提升，时空遥感大数据越来越丰富。算力方面，随着近10年国内外云计算的蓬勃发展，算力得到快速提升。算法方面，随着近年来人工智能、深度学习的快速发展，算法效果也得到很大提升。综上几点，AI在遥感数据中的应用，也算是水到渠成。AI成为遥感数据处理中的关键力量。那么，遥感+AI，市面上有了哪些成果，主要有哪些算法？通过这段时间的调研，发现国内外都有一些公司，已经做了不少的尝试，也取得了不少成果。国内的有阿里达摩院、中科星图、航天宏图、商汤科技、土豆数据、大地量子等。国外的有谷歌地球Engine（即GEE）、微软的MPC等。AI在遥感领域应用主要是利用计算机视觉技术对时空信息进行AI智能解译，包括地物提取、目标识别和专题监测等。1、地物提取：针对影像全区域范围，进行像素级地物类型解析及精准分割，得到不同位置对应的地表覆盖属性，涵盖耕地、林地、草地、建筑物、道路、裸地、水域等等。

建筑物提取前

建筑物提取后

2、目标识别：利用计算机视觉算法识别出地理信息中的各种目标，比如飞机、车辆、油罐、机场、船舶等。

大兴机场飞机识别

油罐识别

3、专题监测：对某些细分行业场景下的某一区域、某一类型的特征指标进行动态跟踪，掌握相关情况。

建筑物变化动态监测：秦岭违建别墅监测与拆除

河道两侧违建光伏监测与拆除，恢复河道行洪排涝功能

最后一个问题，这些算法可以应用到哪些场景？

目前应用比较广泛的有自然资源、林业、农业、减灾防灾、交通、气象等很多行业场景。比如农业场景，应用包括作物分类识别、估产、长势预测、田地土壤墒情、病虫害防治等十数个具体应用场景。

当然，在实际应用过程中，也会遇到各种问题，比如遥感样本数据集的丰富性和统一性，遥感专属神经网络的持续研究等。随着国家政策的大力支持，加上各方企业的积极探索，未来更多产业应用值得期待。