涨知识丨一看就懂的遥感数据科普，附5个数据集下载资源

近日，一则关于“谷歌从4月18日起以最大分辨率提供俄罗斯所有战略要地的高清卫星图”的消息，引发了广泛关注和猜测。虽然消息被谷歌否认，但然让我们感受到了高分辨率遥感影像在现代社会的威力。

谷歌地图在社交媒体上回应（图源：Twitter）

在谷歌地图上能够找到俄罗斯保密行政区维柳钦斯克地区核潜艇基地的高清卫星图片（图源：澎湃新闻）

今天，就让我们来聊聊遥感数据。

---

01  什么是遥感数据

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。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。

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。

它们是如何产生的呢？

02  遥感数据的采集方式

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]

1. 航天遥感

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。

2. 航空遥感

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。

3. 地面遥感

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？

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。

03  遥感数据特点

遥感数据主要有如下特点：

● 感测范围大，具有综合、宏观的特点；

● 信息量大，具有手段多、技术先进的特点；

● 获取信息快，更新周期短，具有动态监测的特点；

● 用途广、效益高。[3]

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。

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。

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：

1. 原始高分辨率遥感图像难以获取。

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. 遥感图像较自然图像，细节丢失更为严重。

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。

3. 遥感图像场景内容差异较大。

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。

4. 遥感图像同一场景下，目标物空间大小差异较大。

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。

那目前遥感领域常见的任务类型有哪些呢？

04  基于深度学习的遥感信息提取的任务类型

1. 遥感图像的目标检测

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。

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。

2. 遥感地物分割

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. 遥感变化检测

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 。

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？

05  遥感数据的应用方向

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；

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。

06  遥感数据集资源

OpenDataLab平台已经上架了系列经典的遥感数据集，不仅提供了丰富的数据集信息、直观的数据分布预览、流畅的下载速度，还提供了可视化脚本，免去大家处理数据格式的麻烦，快来体验吧！

· DOTA V2.0

· DOTA V1.5

· DOTA V1.0

· UCAS-AOD

· xBD

参考资料：

[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw

[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.

[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.