基于文獻計量的遙感影像研究現(xiàn)狀及熱點分析

盧瑞芳 任維康 田曉丹 劉曉倩

摘? 要：為了清晰了解遙感影像的發(fā)展趨勢，以知網(wǎng)期刊為數(shù)據(jù)來源，運用文獻計量法以及CiteSpace可視化分析工具對遙感影像的相關(guān)文獻進行統(tǒng)計分析。結(jié)果表明，在遙感影像領(lǐng)域內(nèi)，作者李德仁、張良培等人有較高的影響力，李德仁是遙感領(lǐng)域的領(lǐng)軍人物。近幾年新興的熱點主要集中在無人機、遙感衛(wèi)星的圖像處理以及深度學習相關(guān)算法與遙感影像的結(jié)合，未來研究的重點可能仍圍繞著深度學習與遙感影像的深度結(jié)合，以及開發(fā)更多數(shù)據(jù)集支撐兩者結(jié)合。

關(guān)鍵詞：遙感影像；深度學習；CiteSpace

中圖分類號：TP391；TP75? ? 文獻標識碼：A? 文章編號：2096-4706（2023）08-0155-05

Abstract： In order to clearly understand the development trend of remote sensing images， take CNKI journals as the data source， and use the bibliometric method and CiteSpace visual analysis tools to statistically analyze the relevant documents of remote sensing images. The results show that the authors Li Deren and Zhang Liangpei have a high influence in the field of remote sensing images， and Li Deren is a leader in the field of remote sensing. In recent years， the emerging hot spots are mainly in the image processing of UAV and remote sensing satellites， as well as the combination of deep learning related algorithms and remote sensing images. The focus of future research may still be on the deep integration of deep learning and remote sensing images， as well as the development of more data sets to support the integration of the two.

Keywords： remote sensing image; deep learning; CiteSpace

0? 引? 言

遙感影像是指將不同功能的傳感器搭載到保持運動或靜止的物體上，對地面物體進行電磁輻射或者其他具有反射性質(zhì)的介質(zhì)進行探測，最終得到的記錄各種地物電磁波大小的照片。

遙感影像按照遙感方式可以分為光學遙感影像、微波遙感影像和激光遙感影像。其中常用的遙感影像主要是光學、微波遙感影像。近幾年熱門的無人機影像就屬于光學遙感影像。遙感影像的應(yīng)用范圍涉及多個領(lǐng)域，應(yīng)用較多的則是農(nóng)業(yè)、建筑、水質(zhì)檢測等。在影像處理方面，早期采用的是小波變換方法[1]，后來隨著相關(guān)計算機技術(shù)的發(fā)展，將面向?qū)ο蟆㈦S機森林等算法應(yīng)用到遙感影像處理上[2，3]，現(xiàn)在，在該領(lǐng)域，更為熱門的是將各種神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到遙感影像處理上[4]。

本文利用CiteSpace可視化分析軟件，對知網(wǎng)收錄的遙感影像領(lǐng)域的EI、SCI文獻進行統(tǒng)計，分析遙感影像領(lǐng)域的研究熱點及發(fā)展趨勢，希望能為遙感影像領(lǐng)域的發(fā)展提供參考。

1? 數(shù)據(jù)來源與分析

1.1? 數(shù)據(jù)來源

本文以知網(wǎng)數(shù)據(jù)庫為數(shù)據(jù)源，以“主題=遙感影像-展望”為檢索條件，不限定其余條件，獲得學術(shù)期刊3.07萬，由于文獻太多，在文獻來源類別勾選EI、SCI，得到EI文獻1 947篇，SCI文獻118篇，剔除相關(guān)性不高的文獻，最后得到2 053條數(shù)據(jù)。檢索時間為2022年10月6日。

1.2? 結(jié)果分析

檢索到的結(jié)果涉及的學科類別共有11個，分布圖如圖1所示。可見遙感影像與自動化技術(shù)、工業(yè)通用技術(shù)及設(shè)備、自然地理學和測繪學這三個學科聯(lián)系最為密切，其次與農(nóng)業(yè)基礎(chǔ)科學，地球物理學聯(lián)系較為密切。目前遙感影像在自然地理學和測繪學的研究主要集中在各種場景下的建筑物提取和識別、土地利用分類以及山體滑坡特征識別[5-7]。在農(nóng)業(yè)方向的應(yīng)用則圍繞著各種農(nóng)作物的識別，如棉田、小麥、葡萄等[8-10]，冬小麥作為重要的糧食農(nóng)作物，關(guān)于冬小麥的識別、種植分布及面積提取在農(nóng)業(yè)相關(guān)的應(yīng)用中占據(jù)很大比重。

2? 遙感影像領(lǐng)域核心研究力量及其合作關(guān)系

2.1? 作者共現(xiàn)分析

研究領(lǐng)域內(nèi)的優(yōu)秀作者可以為推動學科發(fā)展起到重要作用，通過分析發(fā)文作者的數(shù)量及發(fā)文作者間合作關(guān)系可以了解該領(lǐng)域的學科帶頭人及科研影響力。使用CiteSpace軟件對遙感影像領(lǐng)域作者進行可視化分析，生成如圖2所示的發(fā)文作者共現(xiàn)圖譜，由于該領(lǐng)域發(fā)文作者數(shù)量較多，發(fā)文頻次低于3的作者沒有出現(xiàn)在圖譜中。表1為發(fā)文頻次排在前15名的作者統(tǒng)計表。

節(jié)點之間的大小代表作者的發(fā)文頻次，發(fā)文頻次越高的作者節(jié)點越大，反之則越小，節(jié)點之間的連線表示作者之間的合作。圖2的圖譜中包含740個節(jié)點，923條連線，密度為0.003 4，其中發(fā)文頻次為1的節(jié)點有268個，發(fā)文頻次為2的節(jié)點有370個。發(fā)文頻次低的節(jié)點占比較多，節(jié)點之間的交叉連線較少，密度較低。發(fā)文頻次高的節(jié)點之間的連線相對復(fù)雜，表明作者之間的合作較多。

根據(jù)圖2可知，在遙感影像領(lǐng)域，較大的合作網(wǎng)絡(luò)有兩個，一個是駱劍承、沈占峰和胡曉東所在的網(wǎng)絡(luò)。另一個則是馮仲科、張超和朱德海所在的網(wǎng)絡(luò)。較大的合作網(wǎng)絡(luò)表明在遙感影像領(lǐng)域的研究較難，多數(shù)作者的研究主題類似。隨著時間變化，零散節(jié)點變多，表明遙感影像的新興力量正在不斷變多。

駱劍承和沈占鋒之間的合作始于2003年，研究主要集中在GIS，2005年兩人的共同研究中首次出現(xiàn)高分辨率遙感影像[11]，隨后兩人共同提出了在并行計算的過程中采用非均勻數(shù)據(jù)分配策略來實現(xiàn)遙感影像的特征提取[12]，2007年在該基礎(chǔ)上提出了基于特定環(huán)境的非均勻數(shù)據(jù)劃分策略[13]。兩者在遙感領(lǐng)域的研究主要集中在算法、方法等技術(shù)上，應(yīng)用則覆蓋水體、植被等多個應(yīng)用場景。

張超、馮仲科所在的節(jié)點網(wǎng)絡(luò)發(fā)文時間比較靠前，而張超、朱德海所在的節(jié)點網(wǎng)絡(luò)發(fā)文時間靠后，張超與前者團體合作發(fā)生在2004年—2006年間，主要是利用遙感影像監(jiān)測覆蓋植被、裸漏農(nóng)田等[14，15]，而張超與朱德海團體的合作從2007年至今，研究領(lǐng)域主要是遙感影像在農(nóng)業(yè)方面的應(yīng)用。兩個研究團隊之間除了張超之外，再無其他合作。

發(fā)文頻次較高的李德仁、張良培等人在知網(wǎng)檢索到的最新一篇該領(lǐng)域的一篇文章發(fā)表時間為2022年，表明十幾年間，李德仁、張良培等人持續(xù)推動了遙感影像領(lǐng)域的發(fā)展。李德仁是遙感領(lǐng)域的領(lǐng)軍人物，2003年李德仁從遙感數(shù)據(jù)的獲取、處理及應(yīng)用等方面展望了遙感在21世紀的發(fā)展趨勢[16]，并在下一年提出要大力發(fā)展我國的高分辨率衛(wèi)星對地觀測事業(yè)，推動了遙感領(lǐng)域的發(fā)展[17]，2007年提出遙感數(shù)據(jù)可以為自然災(zāi)害預(yù)警和防災(zāi)減災(zāi)提供有效手段，為遙感與應(yīng)急的結(jié)合做出巨大貢獻，打下堅實基礎(chǔ)[18]。2014年，緊跟熱點，探討了無人機遙感系統(tǒng)研究現(xiàn)狀及發(fā)展前景。在多方面為無人機遙感發(fā)展提出了可靠建議[19]。

2.2? 發(fā)文機構(gòu)合作分析

圖3為在遙感影像領(lǐng)域發(fā)文較多的發(fā)文機構(gòu)的共現(xiàn)圖譜，由于發(fā)文機構(gòu)較多，其中只顯示了發(fā)文頻次超過10的節(jié)點。由圖3可知，發(fā)文量排在前三的機構(gòu)是武漢大學測繪遙感信息工程國家重點實驗室、武漢大學遙感信息工程學院以及中國科學院大學。表明，大學是遙感影像發(fā)展的中堅力量。與武漢大學聯(lián)系密切的發(fā)文機構(gòu)不僅有高校，而且還有各個研究院所，而與中國科學院大學有聯(lián)系的大都是以中國科學院開頭的各種研究所，表明武漢大學以跨機構(gòu)合作為主，而中科院以機構(gòu)獨立研究為主，跨機構(gòu)合作為輔。根據(jù)圖譜可以知道，除了個別機構(gòu)外，發(fā)文量超過10的機構(gòu)之間合作十分密切。可以看出，目前關(guān)于遙感影像的研究已經(jīng)形成了群簇態(tài)勢。

3? 遙感影像發(fā)展熱點及新趨勢

3.1? 關(guān)鍵詞共現(xiàn)分析

圖5為遙感影像領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜，該圖譜將遙感影像、遙感圖像關(guān)鍵詞合并到遙感關(guān)鍵詞中，同時去掉出現(xiàn)頻次低于6的節(jié)點。節(jié)點的大小與出現(xiàn)頻次有關(guān)。圖5中最大的節(jié)點是遙感，由于獲取論文的檢索條件為“主題=遙感影像”，所以遙感排在第一十分正常。圖4為遙感影像從2002年—2022年的發(fā)文趨勢，雖然有所波動，但總體呈現(xiàn)上升趨勢。表2為遙感影像領(lǐng)域關(guān)鍵詞統(tǒng)計表。

根據(jù)CiteSpace對遙感影像相關(guān)文獻關(guān)鍵詞的可視化分析可知，影像的關(guān)鍵詞有衛(wèi)星影像、多光譜影像、光學影像、無人機影像。多光譜影像、無人機影像都屬于光學影像，表明光學影像相較于微波遙感影像應(yīng)用的更多，因為兩者相比光學遙感影像的分辨率更高，但是更易受到云層陰影的影響，所以影像融合自然而然就成為光學遙感影像處理的一個熱點。遙感影像的應(yīng)用領(lǐng)域也十分廣泛，從關(guān)鍵詞中可以提取出較為熱門的應(yīng)用有作物識別、道路提取以及土地利用等。冬小麥作為我國重要的糧食作物，其種植面積影響我國的糧食收入。統(tǒng)計其種植面積可以更好地分析種植面積對產(chǎn)量的影響，以及在種植面積不變的情況下，其他因素對于冬小麥產(chǎn)量也有影響。因此從遙感影像中識別冬小麥種植面積在作物識別方面占比很大。關(guān)鍵詞中的面向?qū)ο蟆Q策樹、小波變換以及深度學習等方法則是遙感影像的處理方法。遺傳算法、空洞卷積、語義分割則表明深度學習已成為遙感影像領(lǐng)域應(yīng)用的熱點，被廣泛應(yīng)用于遙感影像領(lǐng)域。

3.2? 遙感影像領(lǐng)域研究熱點及趨勢分析

圖6為關(guān)鍵詞的突發(fā)性檢測列表排序，Year表示關(guān)鍵詞首次出現(xiàn)時間，Begin、End分別表示該關(guān)鍵詞突發(fā)開始和結(jié)束時間。顏色較深部分表示該關(guān)鍵詞突發(fā)性范圍。

根據(jù)突發(fā)性檢測列表可知，熱點的分布大概可以分為三個階段。

3.2.1? 2003年—2010年為第一階段

該階段的研究熱點為小波變換、道路提取以及影像融合等。圖像融合、影像融合和數(shù)據(jù)融合算是同類型的研究熱點，小波變換則是影像融合的一種處理方式。根據(jù)圖7可知小波變換在2002年—2022年期間，在10年以前發(fā)文量達到最高，整體呈現(xiàn)下降趨勢。在該階段內(nèi)，研究熱點持續(xù)時間線最長的為影像融合，同時多個熱點與他有關(guān)，則表明影像融合是該階段最大的熱點。根據(jù)圖8可知，影像融合的發(fā)文量在2004年達到最高，并在2008年—2012年下降并趨于穩(wěn)定，在2012年—2022年期間，仍處于下降并趨于穩(wěn)定趨勢，總體來說呈現(xiàn)下降趨勢。

3.2.2? 2010年—2017年為第二階段

該階段的研究熱點主要集中在遙感影像的細節(jié)和處理。細節(jié)主要體現(xiàn)在精度和紋理特征等。處理主要包括影像分類、影像分割以及圖像處理等。研究熱點持續(xù)時間線最長的為精度和影像分割。在該階段，精度的突現(xiàn)強度為4.56，相比于該階段其他關(guān)鍵詞，突現(xiàn)強度最高，表明在該階段，圖像識別或分割已經(jīng)趨于穩(wěn)定，研究者開始精益求精，專注于提升處理結(jié)果的精度。

3.2.3? 2017年至今為第三階段

該階段的研究熱點可以大致分為三類：研究目的、影像來源和研究手段。研究目的可以大致分為影像分類和目標檢測兩大類。影像來源則主要是無人機低空遙感和以高分二號為首的遙感衛(wèi)星，高分2號于2014年發(fā)射成功，但是近兩年才變成研究熱點。新興的研究手段主要是深度學習、隨機森林等計算機領(lǐng)域的模型和算法，表明計算機領(lǐng)域的算法和遙感影像結(jié)合是近兩年研究的熱點。

無人機由于其操作簡單，圖片收集迅速，被廣泛應(yīng)用于農(nóng)業(yè)、城建等領(lǐng)域。圖9是關(guān)鍵詞為無人機的文章年度發(fā)文趨勢統(tǒng)計，可以看出，2012年—2017年，經(jīng)過2014年—2016年的低潮后，呈現(xiàn)穩(wěn)定上升趨勢，并于2019年至今，呈現(xiàn)出高發(fā)文量的穩(wěn)定趨勢。表明無人機仍是當前研究的熱點。可能需要與新的領(lǐng)域結(jié)合，如應(yīng)急、救災(zāi)等領(lǐng)域，才能使無人機的發(fā)文量再次升高。

由于深度學習等算法的突發(fā)性時間較短且持續(xù)到當前，可以推測未來研究熱點可能仍然圍繞著計算機領(lǐng)域模型、算法與遙感影像的深度合作。在這一階段，深度學習和語義分割的突顯值較高，其中深度學習的突現(xiàn)值最高并遠高于其他關(guān)鍵詞，表明利用深度學習來處理遙感影像是當前熱度最高的熱點，從圖10中也能看出這一點，關(guān)鍵詞為深度學習的文章的發(fā)文量從2015年至今呈現(xiàn)持續(xù)上升趨勢，按照上升趨勢來看，有可能在今后的研究中繼續(xù)上升。表明接下來的研究熱點仍然是遙感影像與深度學習算法的結(jié)合。但是由于當前用于深度學習訓(xùn)練的數(shù)據(jù)集相對較少，更有可能在遙感影像的樣本擴容方向有更新的發(fā)展。

4? 結(jié)? 論

1）遙感影像涉及學科較多，占比較高的有自動化技術(shù)、工業(yè)通用技術(shù)及設(shè)備、自然地理學和測繪學和農(nóng)學。

2）遙感影像領(lǐng)域的發(fā)文作者較多，作者之間的合作也很密切。較為突出的作者有李仁德、張良培、駱劍承、張超等人。李德仁、張良培等人持續(xù)推動了遙感影像領(lǐng)域的發(fā)展。李德仁是遙感領(lǐng)域的領(lǐng)軍人物，從應(yīng)急、無人機等多方面推動了遙感影像的應(yīng)用和發(fā)展。

3）較為突出的發(fā)文機構(gòu)為武漢大學、中科院大學及中科院下的多個研究所，武漢大學以跨機構(gòu)合作為主，而中科院以機構(gòu)獨立研究為主，跨機構(gòu)合作為輔。

4）遙感影像領(lǐng)域最新的研究熱點是無人機低空遙感、衛(wèi)星遙感圖像的獲取與處理以及計算機相關(guān)技術(shù)在遙感影像方向的應(yīng)用。無人機和深度學習的發(fā)文量呈現(xiàn)總體上升趨勢，未來研究的熱點可能仍然圍繞著深度學習算法與遙感影像以及開發(fā)更多的數(shù)據(jù)集支撐兩者的結(jié)合。

參考文獻：

[1] 李飛鵬，楊志高，秦前清，等.高分辨率遙感影像的實時壓縮算法 [J].武漢大學學報：信息科學版，2004（3）：259-263.

[2] 譚衢霖，劉正軍，沈偉.一種面向?qū)ο蟮倪b感影像多尺度分割方法 [J].北京交通大學學報，2007（4）：111-114+119.

[3] 馮文卿，眭海剛，涂繼輝，等.高分辨率遙感影像的隨機森林變化檢測方法 [J].測繪學報，2017，46（11）：1880-1890.

[4] 崔璐，張鵬，車進.基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像分類算法綜述 [J].計算機科學，2018，45（S1）：50-53.

[5] 高賢君，鄭學東，沈大江，等.城郊高分影像中利用陰影的建筑物自動提取 [J].武漢大學學報：信息科學版，2017，42（10）：1350-1357.

[6] 張成業(yè)，李飛躍，李軍，等.基于DeepLabv3+與GF-2高分辨率影像的露天煤礦區(qū)土地利用分類 [J].煤田地質(zhì)與勘探，2022，50（6）：94-103.

[7] 李振洪，張成龍，陳博，等.一種基于多源遙感的滑坡防災(zāi)技術(shù)框架及其工程應(yīng)用 [J].地球科學，2022，47（6）：1901-1916.

[8] 資源一號衛(wèi)星大面積棉田遙感監(jiān)測影像 [J].遙感學報，2022，26（9）：1909.

[9] 楊蜀秦，王鵬飛，王帥，等.基于MHSA+DeepLabv3+的無人機遙感影像小麥倒伏檢測 [J].農(nóng)業(yè)機械學報，2022，53（8）：213-219+239.

[10] 宋德娟，張承明，楊曉霞，等.高分二號遙感影像提取冬小麥空間分布 [J].遙感學報，2020，24（5）：596-608.

[11] 沈占鋒，駱劍承，馬偉鋒，等.適合高分辨率遙感影像處理的分布式環(huán)境研究 [J].計算機工程與設(shè)計，2005（1）：1-3+21.

[12] 沈占鋒，駱劍承，陳秋曉，等.高分辨率遙感影像并行處理數(shù)據(jù)分配策略研究 [J].哈爾濱工業(yè)大學學報，2006（11）：1968-1971+1976.

[13] 沈占鋒，駱劍承，陳秋曉，等.基于MPI的遙感影像高效能并行處理方法研究 [J].中國圖象圖形學報，2007（12）：2132-2136.

[14] 張超，王紀華，趙春江，等.利用多時相遙感影像監(jiān)測季節(jié)性裸露農(nóng)田 [J].農(nóng)業(yè)工程學報，2005（11）：98-102.

[15] 張超，趙春江，陳萬輝，等.應(yīng)用衛(wèi)星遙感監(jiān)測北京市重點綠化工程 [J].林業(yè)資源管理，2004（6）：66-70.

[16] 李德仁.論21世紀遙感與GIS的發(fā)展 [J].武漢大學學報：信息科學版，2003（2）：127-131.

[17] 李德仁.抓好地球空間信息的數(shù)據(jù)源——大力發(fā)展我國的高分辨率衛(wèi)星對地觀測事業(yè) [J].地理空間信息，2004（1）：1-2+7.

[18] 李德仁.遙感用于自然災(zāi)害監(jiān)測預(yù)警大有作為 [J].科技導(dǎo)報，2007（6）：1.

[19] 李德仁，李明.無人機遙感系統(tǒng)的研究進展與應(yīng)用前景 [J].武漢大學學報：信息科學版，2014，39（5）：505-513+540.

作者簡介：盧瑞芳（1998—），女，漢族，河南新鄉(xiāng)人，碩士研究生在讀，研究方向：應(yīng)急管理信息化、智能化技術(shù)。