吴一戎｜遥感与智能：AI赋能遥感技术的思考

我国已建立起自主的对地观测系统，数据获取手段和速度增长超越任何时期，但是现有的遥感数据处理和应用效果还有很多发展空间，比如精准快速处理效果还不够理想，对精细化状态的分析还缺乏有效的手段，大批量数据的持续观测仍需要人工手段，数据共享率低，精准服务能力弱，数据产品不完整等。

遥感从数据的引接、处理、挖掘、关联、共享和应用是一个全链条的应用，全链路智能遥感体系需要解决链路长、处理环节多、关键技术复杂等相关问题。而许多现有工作，比如自动配准和地物要素的方位和目标提取，都还多是孤立的点上开展，还没有形成系统性的完整体系。

 ●  遥感数据智能处理：要解决海量数据的精准处理，以统一的基准，使不同的处理具有统一的标准和相互的融合。

    遥感数据具有多传感器、多分辨率、多时相、多要素的四多特点。传统遥感处理是针对每颗卫星、每一个载荷，能够高精度的处理。而面向智能的应用必须有统一的基准，才是高效的解决问题的方向。

    单层图像处理强调校正精度，多层数据处理则一定是实现在统一的框架下融合。因此，其中的技术难点在于如何使不同传感器、不同的分辨率、不同时相的多层遥感数据，可以统一在一个标准框架下。

 ●  遥感数据智能挖掘：基于统一框架下，解决时空异步信息的提取和融合分析问题。使不同时间、空间获取的数据，最终形成可自学习的定量的融合模型、专业的网络模型，建立样本采集和积累的机制，实现多源持续观测，实现自动化处理的一致性、准确性和鲁棒性。

 ●  遥感数据智能治理：遥感大数据是异构数据，很多信息是不统一、不完整的，需要解决数据全要素多维自主高效关联的问题，使这些数据清理成为支持智能提取的数据，其中的难点是数据的属性是互不相同的。目前我们只在一些领域能过做到治理，还有很多问题未彻底解决。

 ●  单传感器的数据精准处理

 ●  多源遥感数据一致性处理

 ●  遥感目标多任务学习

 ●  多源协同共性定量遥感产品生成

 ●  遥感数据组织关联

 ●  遥感大数据的新应用

两种技术途径并行发展，解决智能遥感中的问题，构建智能遥感支撑应用的新模式。

 ●  小样本学习，解决机器学习目标特定和专家经验，提升处理未知新目标的时效性。

 ●  大样本学习，通过海量遥感数据训练，提升模型的鲁棒性，减轻人力负担。

中国科学院空天信息创新研究院吴一戎院士在第六届高分辨率对地观测学术年会上做了题为“遥感与智能：AI赋能遥感技术的思考”的特邀报告。

小编奉上精彩的PPT与遥粉们一起分享~~~