有位朋友最近換了份工作，去了一家做數字地球的新公司。
這家公司的母公司屬于中科院旗下，基于衛星遙感數據，為政府和特種領域服務了近20年。
新公司是想借助互聯網平臺，從線下向線上轉型，把之前積累的遙感大數據和算法，結合云計算，通過云平臺開放出來，服務更多的行業客戶。
我比較好奇，問了一個聽起來很傻的問題，什么是遙感？好像離我們老百姓比較遙遠。
遙感就是遙遠的感知，是從遠離地面的不同工作平臺上，如高塔、氣球、飛機、火箭、人造地球衛星、宇宙飛船和航天飛機等，通過傳感器對地球表面的電磁波輻射信息進行探測，然后經信息的傳輸、處理和判讀分析，對地球的資源與環境進行探測與監測的綜合性技術。
與人工智能的數據、算法及算力三要素相似，遙感+AI叫智能遙感解譯，也有三大核心要素，遙感影像樣本庫、遙感智能解譯的算法與模型、能夠進行大規模計算的硬件平臺。
數據方面，遙感數據天然就是大量的各類影像數據。隨著近些年衛星發射成本下降，國家和商業衛星發射數量持續增加，以及國家“高分專項”工程，獲取的數據種類和精度得到持續提升，時空遙感大數據越來越豐富。
算力方面，隨著近10年國內外云計算的蓬勃發展，算力得到快速提升。
算法方面，隨著近年來人工智能、深度學習的快速發展，算法效果也得到很大提升。
綜上幾點，AI在遙感數據中的應用，也算是水到渠成。AI成為遙感數據處理中的關鍵力量。
那么，遙感+AI，市面上有了哪些成果，主要有哪些算法？
通過這段時間的調研，發現國內外都有一些公司，已經做了不少的嘗試，也取得了不少成果。國內的有阿里達摩院、中科星圖、航天宏圖、商湯科技、土豆數據、大地量子等。國外的有谷歌地球Engine（即GEE）、微軟的MPC等。
AI在遙感領域應用主要是利用計算機視覺技術對時空信息進行AI智能解譯，包括地物提取、目標識別和專題監測等。
1、地物提取：針對影像全區域范圍，進行像素級地物類型解析及精準分割，得到不同位置對應的地表覆蓋屬性，涵蓋耕地、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、目標識別：利用計算機視覺算法識別出地理信息中的各種目標，比如飛機、車輛、油罐、機場、船舶等。
大興機場飛機識別
油罐識別
3、專題監測：對某些細分行業場景下的某一區域、某一類型的特征指標進行動態跟蹤，掌握相關情況。
建筑物變化動態監測：秦嶺違建別墅監測與拆除
河道兩側違建光伏監測與拆除，恢復河道行洪排澇功能
最后一個問題，這些算法可以應用到哪些場景？
目前應用比較廣泛的有自然資源、林業、農業、減災防災、交通、氣象等很多行業場景。比如農業場景，應用包括作物分類識別、估產、長勢預測、田地土壤墑情、病蟲害防治等十數個具體應用場景。
當然，在實際應用過程中，也會遇到各種問題，比如遙感樣本數據集的豐富性和統一性，遙感專屬神經網絡的持續研究等。隨著國家政策的大力支持，加上各方企業的積極探索，未來更多產業應用值得期待。
?版權聲明：如無特殊說明，本站所有內容均為
AIHub.cn原創發布和所有。任何個人或組織，在未征得本站同意時，禁止復制、盜用、采集、發布本站內容到任何網站、書籍等各類媒體平臺。否則，我站將依法保留追究相關法律責任的權利。
建筑物變化動態監測：秦嶺違建別墅監測與拆除
