遙感大數(shù)據(jù)的地理環(huán)境構(gòu)建及目標(biāo)保障技術(shù)綜述

關(guān)鍵詞：遙感大數(shù)據(jù)；地理環(huán)境構(gòu)建；目標(biāo)動(dòng)態(tài)檢測(cè)；目標(biāo)定位

中圖分類號(hào)：Ｐ２３７ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１１－２５０５－１５

０引言

智能時(shí)代背景下，遙感大數(shù)據(jù)、云計(jì)算和人工智能等技術(shù)正在成為目標(biāo)情報(bào)匯聚、融合、分析挖掘與可視化的重要手段。構(gòu)建以全球時(shí)空信息為基礎(chǔ)，以數(shù)據(jù)為中心的保障體系，有助于國(guó)家安全政策制定、反恐戰(zhàn)爭(zhēng)、國(guó)土防護(hù)和災(zāi)害應(yīng)急等事件的及時(shí)響應(yīng)。２０２３ 年，美國(guó)國(guó)家地理空間情報(bào)局（ＮａｔｉｏｎａｌＧｅｏｓｐａｔｉａｌ-Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｇｅｎｃｙ，ＮＧＡ）、美國(guó)國(guó)家偵察局（Ｎａｔｉｏｎａｌ Ｒｅｃｏｎｎａｉｓｓａｎｃｅ Ｏｆｆｉｃｅ，ＮＲＯ）和美國(guó)太空司令部（Ｕ． Ｓ． Ｓｐａｃｅ Ｃｏｍｍａｎｄ，ＵＳＳＰＡＣＥＣＯＭ）聯(lián)手簽署《商業(yè)太空保護(hù)三部門(mén)戰(zhàn)略框架》，意在保護(hù)其商業(yè)遙感衛(wèi)星資源，彰顯了美國(guó)國(guó)家層面對(duì)商業(yè)衛(wèi)星圖像價(jià)值的認(rèn)可。隨著全球商業(yè)衛(wèi)星產(chǎn)業(yè)的迅猛發(fā)展，全球各國(guó)也更加注重遙感大數(shù)據(jù)對(duì)國(guó)家安全、民計(jì)民生的影響與相關(guān)關(guān)鍵技術(shù)的掌握。

時(shí)空大數(shù)據(jù)指大數(shù)據(jù)與地理時(shí)空數(shù)據(jù)的融合，即以地球?yàn)閷?duì)象、基于統(tǒng)一時(shí)空基準(zhǔn)，活動(dòng)于時(shí)空中與位置直接或間接相關(guān)聯(lián)的大數(shù)據(jù)［１］。而通過(guò)無(wú)人機(jī)傳感器、衛(wèi)星、臨近空間、飛艇和地面等傳感手段獲取的時(shí)空大數(shù)據(jù)即為遙感大數(shù)據(jù)。隨著對(duì)地觀測(cè)技術(shù)、物聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)等技術(shù)的飛速發(fā)展，遙感大數(shù)據(jù)的獲取手段日益豐富，推動(dòng)了人類活動(dòng)空間從陸地向海洋、空中和外層空間的不斷拓展，世界各國(guó)逐漸積累了體量巨大、類型多樣的遙感大數(shù)據(jù)。截止２０２０年，全球?qū)Φ赜^測(cè)衛(wèi)星發(fā)射數(shù)量近３ ０００ 顆，占所發(fā)射航天器比例超三成，空中的有人飛機(jī)和無(wú)人機(jī)近萬(wàn)架，地面移動(dòng)測(cè)量系統(tǒng)和智能駕駛車(chē)超過(guò)上百萬(wàn)輛（光學(xué)和激光雷達(dá)），各種海上移動(dòng)測(cè)量系統(tǒng)攜載光學(xué)、激光雷達(dá)和聲納等傳感器收集信息；城市內(nèi)的各種智能傳感器形成互聯(lián)互通之勢(shì)，僅中國(guó)的視頻頭就超過(guò)２ ０００多萬(wàn)，智能手機(jī)與智能手表超１０億多個(gè)。

習(xí)近平總書(shū)記向首屆北斗規(guī)模應(yīng)用國(guó)際峰會(huì)致賀信中指出：時(shí)空信息、定位導(dǎo)航服務(wù)成為重要的新型基礎(chǔ)設(shè)施。據(jù)《中國(guó)地理信息產(chǎn)業(yè)發(fā)展報(bào)告（２０２３）》顯示，２０２２年中國(guó)地理信息產(chǎn)業(yè)分析總產(chǎn)值達(dá)７ ７８７億元，近５年復(fù)合增長(zhǎng)率為８．５％ ，近１０年復(fù)合增長(zhǎng)率為１４． ６％ ，中國(guó)地理信息產(chǎn)業(yè)規(guī)模正在持續(xù)壯大。另一方面，遙感信息作為國(guó)家重要的戰(zhàn)略資源，將對(duì)獲取制空權(quán)、制海權(quán)、制天權(quán)和制信息權(quán)，打贏高技術(shù)戰(zhàn)爭(zhēng)和處理海洋權(quán)益爭(zhēng)端提供重要支撐。當(dāng)前，遙感大數(shù)據(jù)正逐漸成為自然資源普查［２－３］、智慧城市等［４］眾多領(lǐng)域應(yīng)用與服務(wù)的基礎(chǔ)，遙感信息技術(shù)已然成為衡量國(guó)家競(jìng)爭(zhēng)力的關(guān)鍵標(biāo)志之一。

基于此，本文將圍繞遙感大數(shù)據(jù)，對(duì)其獲取手段與發(fā)展現(xiàn)狀進(jìn)行簡(jiǎn)要介紹，并圍繞地理環(huán)境構(gòu)建與目標(biāo)保障，對(duì)衛(wèi)星遙感全球高精度定位與測(cè)圖、重點(diǎn)地區(qū)空天遙感三維地理環(huán)境構(gòu)建、遙感影像全要素解譯，以及遙感目標(biāo)檢索、定位、檢測(cè)和變化檢測(cè)等技術(shù)展開(kāi)探討。針對(duì)不同場(chǎng)景下的目標(biāo)需求，還將對(duì)遙感大數(shù)據(jù)在突發(fā)事件應(yīng)急響應(yīng)、遙感自然災(zāi)害監(jiān)測(cè)與評(píng)估等典型案例中的實(shí)踐與應(yīng)用進(jìn)行探索，并做簡(jiǎn)要梳理。最后，將結(jié)合未來(lái)發(fā)展戰(zhàn)略背景，對(duì)遙感大數(shù)據(jù)的應(yīng)用前景進(jìn)行總結(jié)與展望。

１遙感大數(shù)據(jù)獲取手段與發(fā)展現(xiàn)狀

不同軌道高度、種類性能各異的衛(wèi)星及地面各類傳感器的布設(shè)與協(xié)同服務(wù)，為空天地一體化對(duì)地觀測(cè)傳感網(wǎng)的構(gòu)建提供了硬件基礎(chǔ)。在新型作戰(zhàn)場(chǎng)景的引導(dǎo)與信息支援需求下，遙感衛(wèi)星正朝著高空間分辨率（亞米級(jí)）、高光譜分辨率（數(shù)百個(gè)波段）和高時(shí)間分辨率（全球重訪周期１ ～ ２０ ｄ）的方向大力發(fā)展，民用商用對(duì)地觀測(cè)衛(wèi)星領(lǐng)域逐漸精細(xì)化、星座化、體系化。

空天方面，對(duì)地觀測(cè)衛(wèi)星正逐漸由單一傳感器轉(zhuǎn)向光學(xué)、雷達(dá)和高光譜等多傳感器聯(lián)合，由低分辨率轉(zhuǎn)向高中低分辨率結(jié)合的全方位、全天時(shí)、立體化的對(duì)地觀測(cè)體系。作為目前最為有效、最為安全，同時(shí)又是最可靠的偵察手段［５］，國(guó)防軍事、政府部門(mén)對(duì)于高分辨率遙感衛(wèi)星圖像的需求日益擴(kuò)大，以美國(guó)、法國(guó)為代表的西方航天大國(guó)通過(guò)積極的政策導(dǎo)向和資金扶持，迅速開(kāi)展了高性能遙感衛(wèi)星的研制和商業(yè)化運(yùn)營(yíng)，形成了政府監(jiān)督管理引導(dǎo)、企業(yè)自主運(yùn)營(yíng)的良性循環(huán)的商業(yè)模式。美國(guó)太空探索技術(shù)公司推出的專門(mén)為政府服務(wù)的“星盾”衛(wèi)星項(xiàng)目，在俄烏沖突中發(fā)揮了巨大作用，將傳統(tǒng)互聯(lián)網(wǎng)服務(wù)與衛(wèi)星通信、衛(wèi)星成像和遙感等服務(wù)相結(jié)合，是信息戰(zhàn)中強(qiáng)有力的支持，代表了“星鏈”向軍事化應(yīng)用邁出關(guān)鍵一步。

國(guó)內(nèi)高分辨率對(duì)地觀測(cè)專項(xiàng)工程的實(shí)施，全面提升了我國(guó)自主高分辨率衛(wèi)星觀測(cè)數(shù)據(jù)的獲取與利用能力。２０２３ 年上半年，我國(guó)成功發(fā)射了１００ 余顆遙感衛(wèi)星，創(chuàng)造“一箭４１ 星”的記錄，成功運(yùn)送長(zhǎng)光衛(wèi)星研制的“吉林一號(hào)”高分０６Ａ系列衛(wèi)星、“吉林一號(hào)”高分０３Ｄ１９－２６ 星、“吉林一號(hào)”平臺(tái)０２Ａ０１ －０２星及“霍爾果斯一號(hào)”“哈測(cè)農(nóng)遙一號(hào)”等衛(wèi)星，為衛(wèi)星星座組網(wǎng)打下基礎(chǔ)。東方慧眼衛(wèi)星星座打造四期工程，從示范、區(qū)域服務(wù)系統(tǒng)再到全國(guó)、全球服務(wù)系統(tǒng)構(gòu)建，最終實(shí)現(xiàn)目標(biāo)看得快、看得清、看得準(zhǔn)、看得全、看得懂、送到位。目前已發(fā)射包括全球首顆互聯(lián)網(wǎng)智能遙感衛(wèi)星（珞珈三號(hào)０１ 星）和全球首顆Ｋａ 頻段高分辨率合成孔徑雷達(dá)（Ｓｙｎｔｈｅｔｉｃ ＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）衛(wèi)星（珞珈二號(hào)０１星）等在內(nèi)的多顆珞珈系列衛(wèi)星，如圖１ 所示。

低空層面，無(wú)人機(jī)群依靠在數(shù)量、協(xié)同與情報(bào)和速度等方面的優(yōu)勢(shì)，成為當(dāng)前情報(bào)信息作戰(zhàn)的發(fā)展關(guān)注熱點(diǎn)。無(wú)人機(jī)蜂群功能各異、種類繁多，但大致劃分為投放準(zhǔn)備、發(fā)射集結(jié)、編隊(duì)飛行和遂行任務(wù)４ 個(gè)階段，其實(shí)質(zhì)是將高價(jià)值、高性能的空中作戰(zhàn)系統(tǒng)分解成數(shù)量龐大的小型、低成本無(wú)人機(jī)作戰(zhàn)系統(tǒng)，通過(guò)信息網(wǎng)絡(luò)技術(shù)和人工智能技術(shù)，使這些無(wú)人機(jī)作戰(zhàn)平臺(tái)具備自主決策和群體智能行為能力，以整體作戰(zhàn)能力執(zhí)行各種任務(wù)。在ＡＩ 和大數(shù)據(jù)的加持下，未來(lái)的無(wú)人機(jī)蜂群將擁有高度自主控制、決策和機(jī)器學(xué)習(xí)能力，具備完成戰(zhàn)場(chǎng)態(tài)勢(shì)的自主分析、作戰(zhàn)任務(wù)的自主規(guī)劃、自動(dòng)化的指揮控制及集群智能的能力。

地面遙感探測(cè)系統(tǒng)的數(shù)據(jù)采集和探測(cè)方式成本較低，且易于實(shí)現(xiàn)，可根據(jù)任務(wù)需求搭配不同類型的傳感設(shè)備，包括機(jī)器人、攝像頭和無(wú)人偵察車(chē)等。先進(jìn)的偵察設(shè)備將與精確地面導(dǎo)航系統(tǒng)、先進(jìn)通信系統(tǒng)進(jìn)行連接，將數(shù)據(jù)實(shí)時(shí)傳送給鄰近的指揮系統(tǒng)或上級(jí)指揮機(jī)構(gòu)，從而實(shí)現(xiàn)重要數(shù)據(jù)和信息交換，為決策的制定提供技術(shù)支撐。

迄今為止，遙感大數(shù)據(jù)的獲取手段、數(shù)據(jù)類型及增長(zhǎng)速度已經(jīng)超過(guò)了以往任何一個(gè)時(shí)期，遙感飛速發(fā)展使得動(dòng)態(tài)高精度監(jiān)測(cè)成為可能。遙感時(shí)空智能技術(shù)形成由少到多、由靜到動(dòng)、由單一到聯(lián)合的多傳感器、多分辨率、多時(shí)相及多要素的空天地聯(lián)合趨勢(shì)，實(shí)現(xiàn)從靜態(tài)感知到動(dòng)態(tài)智能、從實(shí)景三維到數(shù)字孿生、從對(duì)地觀測(cè)到對(duì)人／ 深空觀測(cè)、從單項(xiàng)處理到通導(dǎo)遙一體的多方位聯(lián)合發(fā)展。

２ 遙感大數(shù)據(jù)地理環(huán)境構(gòu)建技術(shù)

２． １ 衛(wèi)星遙感全球高精度定位與測(cè)圖

經(jīng)過(guò)本世紀(jì)２０ 多年的發(fā)展，遙感影像定位與制圖取得了許多突破，但在高精度定位方面仍面臨著諸多問(wèn)題，如影像依賴進(jìn)口、全球戰(zhàn)略無(wú)法自護(hù)可控、國(guó)家安全不能精確保障。針對(duì)高分辨率衛(wèi)星遙感幾何定位的共性基礎(chǔ)問(wèn)題，武漢大學(xué)提出了高分辨率衛(wèi)星影像成像與處理模型，解決了國(guó)產(chǎn)衛(wèi)星高精度影像產(chǎn)品生產(chǎn)難題，用于近１０ 年所有光學(xué)遙感衛(wèi)星（共４０ 余顆），實(shí)現(xiàn)從有到好，從進(jìn)口到出口的跨越；面對(duì)國(guó)產(chǎn)衛(wèi)星境外無(wú)地面控制點(diǎn)高精度測(cè)圖難題，提出大區(qū)域影像無(wú)地面控制點(diǎn)米級(jí)定位方法，并用于全球測(cè)圖和國(guó)家重大工程；星地協(xié)同在軌高精度實(shí)時(shí)定位與處理方法［６］的提出，解決了時(shí)敏目標(biāo)衛(wèi)星遙感定位信息分鐘級(jí)實(shí)時(shí)服務(wù)難題，并應(yīng)用于首型裝備，取得了突破性進(jìn)展。

衛(wèi)星遙感定位制圖的飛速發(fā)展，在地表地形的全國(guó)／ 全球制圖中也取得了不錯(cuò)的效果。例如，由覆蓋８８° Ｓ ～ ８８° Ｎ 陸地和主要島嶼１． ５ 億ｋｍ^２ 的２１ ０７２ 景１０ ｍ 分辨率高分三號(hào)精細(xì)條帶ＩＩ 無(wú)控制點(diǎn)制作而成的全球高分三號(hào)１０ ｍ 影像一張圖，中國(guó)區(qū)域絕對(duì)幾何精度優(yōu)于８． ０１ ｍ。由每平方千米１ ０００ 個(gè)點(diǎn)，共１００ 億個(gè)點(diǎn)構(gòu)成的全國(guó)地表形變一張圖，采用千尋分布全國(guó)的２ ０００ 多個(gè)連續(xù)運(yùn)行衛(wèi)星定位服務(wù)系統(tǒng)站點(diǎn)驗(yàn)證，精度優(yōu)于４． ８２ 毫米／ 年。

除此之外，長(zhǎng)時(shí)序中高分辨率遙感影像也是監(jiān)測(cè)城市和自然資源變化的重要手段，對(duì)人類可持續(xù)發(fā)展具有重要意義。馬里蘭大學(xué)聯(lián)合谷歌公司使用谷歌地球引擎（Ｇｏｏｇｌｅ Ｅａｒｔｈ Ｅｎｇｉｎｅ，ＧＥＥ）共同繪制全球森林覆蓋與變化圖［７］，作為第一個(gè)３０ ｍ 分辨率覆蓋全球的專題地圖產(chǎn)品，吸引了學(xué)界和公眾的廣泛關(guān)注。ＧＥＥ 的出現(xiàn)使得全球制圖效率大大提高，將１０ ０００ 臺(tái)計(jì)算機(jī)上使用１００ 萬(wàn)個(gè)ＣＰＵ 并行處理共２ 千萬(wàn)像素Ｌａｎｄｓａｔ 數(shù)據(jù)（相當(dāng)于一臺(tái)計(jì)算機(jī)１５ 年的工作量）的工作時(shí)間縮短為幾天，在全球地表水體［８］、牧草［９］、耕地［１０］等各方面都有著出色的表現(xiàn)。

２． ２重點(diǎn)地區(qū)空天遙感三維地理環(huán)境構(gòu)建

２． ２． １ 高分辨率衛(wèi)星三維測(cè)圖

與傳統(tǒng)方式相比，遙感衛(wèi)星具備高敏捷、高穩(wěn)定和高精度的影像獲取能力，可對(duì)特定區(qū)域多次全方位觀測(cè)，快速、準(zhǔn)確、大范圍獲取地形數(shù)據(jù)，實(shí)現(xiàn)多模態(tài)智能遙感衛(wèi)星成像［１１］。圖２ 是通過(guò)珞珈三號(hào)０１星對(duì)武漢大學(xué)、西藏日喀則進(jìn)行全方位觀測(cè)后快速生成的立體三維模型。作為新型基礎(chǔ)測(cè)繪的標(biāo)準(zhǔn)化產(chǎn)品，高分辨率衛(wèi)星三維測(cè)圖是實(shí)現(xiàn)全要素?cái)?shù)字化表達(dá)，推進(jìn)數(shù)字城市改革的重要空間信息基礎(chǔ)設(shè)施，在實(shí)時(shí)救援、城市規(guī)劃和毀傷檢測(cè)［１２］等多個(gè)領(lǐng)域提供了真實(shí)展現(xiàn)和直觀可視化工具，為分析和決策的準(zhǔn)確度提高提供了支撐與幫助。

２． ２． ２無(wú)人機(jī)傾斜影像三維場(chǎng)景構(gòu)建

無(wú)人機(jī)傾斜影像具備精度高、多角度、可視化、自動(dòng)化的數(shù)據(jù)采集優(yōu)勢(shì)，在構(gòu)建與生成高精度、高分辨率的三維地形模型［１３－１４］方面相對(duì)成熟。針對(duì)多源異構(gòu)數(shù)據(jù)集成與融合面臨的數(shù)據(jù)格式、坐標(biāo)系統(tǒng)和時(shí)間同步問(wèn)題，空地一體多源異構(gòu)數(shù)據(jù)場(chǎng)景三維能夠克服傾斜攝影測(cè)量的局限性，通過(guò)多源影像的匯聚、定向和單體化建模等方法，最終實(shí)現(xiàn)空地結(jié)合的三維建模，如圖３ 所示。

２． ２． ３ 無(wú)人機(jī)蜂群全自動(dòng)場(chǎng)景建模

無(wú)人機(jī)群具備快速覆蓋大范圍地表區(qū)域，提高數(shù)據(jù)獲取效率的能力，其搭載的高精度傳感器和定位系統(tǒng)可以獲取高精度、高分辨率的地表數(shù)據(jù)，模型精度可達(dá)毫米級(jí)。針對(duì)人工控制無(wú)人機(jī)貼近攝影費(fèi)時(shí)、效率低下的問(wèn)題，提出三階段式旋翼無(wú)人機(jī)集群路徑規(guī)劃框架方法［１５］，通過(guò)設(shè)計(jì)重構(gòu)性估計(jì)數(shù)學(xué)模型，確定重點(diǎn)觀測(cè)位置；為多無(wú)人機(jī)求解最優(yōu)任務(wù)序列，生成協(xié)同且低能耗的軌跡；聯(lián)合優(yōu)化軌跡的能耗與重構(gòu)性貢獻(xiàn)，為無(wú)人機(jī)集群規(guī)劃出低能耗的連續(xù)軌跡。圖４ 是對(duì)橋梁、建筑物等目標(biāo)進(jìn)行無(wú)人機(jī)蜂群全自動(dòng)精細(xì)建模前后對(duì)比，后者在質(zhì)感、精細(xì)程度上都遠(yuǎn)勝前者。

２． ３基于自進(jìn)化的遙感解譯平臺(tái)的遙感影像全要素解譯

當(dāng)前遙感解譯逐漸向?qū)崟r(shí)、大尺度和長(zhǎng)時(shí)間序列等方向發(fā)展，而傳統(tǒng)的桌面端遙感解譯平臺(tái)受限于各類軟硬件條件難以滿足大范圍遙感智能解譯的諸多需求。各國(guó)學(xué)術(shù)界、產(chǎn)業(yè)界瞄準(zhǔn)這一問(wèn)題，開(kāi)發(fā)出了多種面向遙感大數(shù)據(jù)、云計(jì)算與人工智能相結(jié)合的遙感智能解譯云平臺(tái)。例如美國(guó)的ＧＥＥ、Ｄｅｓｃａｒｔｅｓ Ｌａｂｓ，澳大利亞的Ｄａｔａ Ｃｕｂｅ，德國(guó)的ＣＯＤＥＤＥ，以及我國(guó)的ＥａｒｔｈＤａｔａＭｉｎｅｒ、ＰＩＥＥｎｇｉｎｅ、ＡＩＥａｒｔｈ、ＳｅｎｓｅＥａｒｔｈ 等，如表１ 所示。

盡管已有的云平臺(tái)在數(shù)據(jù)資源、計(jì)算資源和運(yùn)行效率上為用戶提供了便利，但在開(kāi)放程度、樣本庫(kù)的規(guī)范化組織、模型庫(kù)的動(dòng)態(tài)更新方面不夠完善。因此，本文針對(duì)這些問(wèn)題基于已積累的大量遙感解譯樣本數(shù)據(jù)集、智能解譯提取模型以及海量持續(xù)更新的多傳感器遙感影像，搭建了可自進(jìn)化的高分遙感影像智能解譯云平臺(tái)，完成了影像管理、遙感樣本庫(kù)管理及進(jìn)化、多種智能解譯模型庫(kù)管理及優(yōu)化、遙感解譯模型的訓(xùn)練與并行推理等工作；以高分辨率遙感智能解譯云平臺(tái)及其所含樣本庫(kù)、模型庫(kù)及豐富的計(jì)算資源為基礎(chǔ)開(kāi)展的高分辨率遙感全要素測(cè)圖和智能解譯研究，在大范圍道路提取［１６］、建筑物提取、地表水體提取［１７］、耕地提取以及要素動(dòng)態(tài)監(jiān)測(cè)等模型研究中均取得了較好的效果，并在具體業(yè)務(wù)部門(mén)得到了應(yīng)用，解譯效果如圖５ 和圖６ 所示。

３遙感目標(biāo)保障技術(shù)

隨著全球高分辨率對(duì)地觀測(cè)系統(tǒng)的不斷完善，多源遙感數(shù)據(jù)的數(shù)量、傳輸速度和復(fù)雜程度隨之急速增長(zhǎng)，準(zhǔn)確、快速、可靠地從海量圖像數(shù)據(jù)中篩選出滿足用戶需求的數(shù)據(jù)發(fā)展前景巨大。本節(jié)圍繞遙感目標(biāo)保障中關(guān)鍵技術(shù)，從目標(biāo)檢測(cè)、定位、跟蹤、動(dòng)態(tài)變化等需求出發(fā)，最終實(shí)現(xiàn)遙感目標(biāo)的四步走———“找目標(biāo)、定的準(zhǔn)、跟得住、找變化”。

３． １遙感目標(biāo)檢索

針對(duì)遙感大數(shù)據(jù)面臨“查不準(zhǔn)、防不住”的挑戰(zhàn)，武漢大學(xué)提出了基于深度級(jí)聯(lián)降維網(wǎng)絡(luò)學(xué)習(xí)的遙感影像目標(biāo)智能檢索方法，實(shí)現(xiàn)了海量遙感影像３０ 余類目標(biāo)的自動(dòng)檢測(cè)［１８－１９］，準(zhǔn)確性優(yōu)于國(guó)際主流方法，并在國(guó)家地理信息公共服務(wù)平臺(tái)“天地圖”上進(jìn)行部署，支持國(guó)內(nèi)２００個(gè)城市的高分辨率遙感圖像檢索。如圖７ 所示，通過(guò)基于深度學(xué)習(xí)的內(nèi)容描述與語(yǔ)義建模，該系統(tǒng)實(shí)現(xiàn)了秒級(jí)響應(yīng)時(shí)間，并確保目標(biāo)檢測(cè)的準(zhǔn)確性，所需即所得，同時(shí)提供文字、語(yǔ)義和圖像等多種檢索方式。

３． ２ 遙感目標(biāo)高精度定位

遙感目標(biāo)高精度定位包括陸上和海上目標(biāo)的高精定位，由于陸上目標(biāo)及其周?chē)h(huán)境往往特征明顯、紋理清晰，定位難度相比于海上目標(biāo)定位較低。而海上天基傳感器誤差特性復(fù)雜、源數(shù)據(jù)定位精度差，目標(biāo)高精度定位困難。傳統(tǒng)經(jīng)典精確定位方法會(huì)造成海面控制信息缺失、影像紋理信息匱乏等問(wèn)題。針對(duì)大傾角、小視場(chǎng)角影像的特點(diǎn)，對(duì)傳統(tǒng)航空影像平差技術(shù)的適用性問(wèn)題進(jìn)行分析，提出雙點(diǎn)定位算法。該算法避免了慣性測(cè)量單元角度對(duì)定位精度的嚴(yán)重影響，實(shí)現(xiàn)不同傳感器以及較大幾何變形條件下的匹配［２０］。圖８ 展示了分辨率為０． ６ ｍ 的遙感衛(wèi)星圖像與采集高度３００ ｍ、光軸與地面夾角５０°無(wú)人機(jī)航拍圖像的匹配結(jié)果，實(shí)現(xiàn)序列圖像幀間匹配誤差不大于１ ｐｉｘｅｌ。

目前主流的無(wú)人機(jī)衛(wèi)星大傾角圖像匹配方法分為特征驅(qū)動(dòng)的匹配方法、數(shù)據(jù)驅(qū)動(dòng)的匹配方法和先驗(yàn)信息輔助的匹配方法。本文總結(jié)了各類無(wú)人機(jī)衛(wèi)星大傾角圖像匹配方法類型、代表文獻(xiàn)及特點(diǎn)，如表２ 所示。其中，特征驅(qū)動(dòng)的匹配方法主要靠直覺(jué)和研究者的專業(yè)知識(shí)驅(qū)動(dòng)；數(shù)據(jù)驅(qū)動(dòng)的匹配方法主要依靠大量數(shù)據(jù)來(lái)學(xué)習(xí)建立及優(yōu)化匹配模型；先驗(yàn)信息輔助的匹配方法主要借助先驗(yàn)信息引導(dǎo)與驗(yàn)證圖像匹配。與數(shù)據(jù)驅(qū)動(dòng)的匹配方法相比，基于特征的匹配方法在性能方面相對(duì)較差，適用于處理訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)為同一場(chǎng)景的圖像，大多針對(duì)某一難點(diǎn)或某一應(yīng)用而設(shè)計(jì)，很難設(shè)計(jì)出普適性很強(qiáng)的描述符，而優(yōu)點(diǎn)是不需要數(shù)據(jù)或者只需少量數(shù)據(jù)，計(jì)算時(shí)間較快；數(shù)據(jù)驅(qū)動(dòng)的匹配方法性能更高，主要通過(guò)學(xué)習(xí)數(shù)據(jù)中的多樣性，適用于不同的數(shù)據(jù)集和應(yīng)用，但該方法參數(shù)的選擇可能需要端到端的梯度下降法進(jìn)行訓(xùn)練，需要大量的訓(xùn)練數(shù)據(jù)來(lái)保證其魯棒性，計(jì)算成本相對(duì)較大；先驗(yàn)信息輔助的匹配方法更像是另外２ 種方法的擴(kuò)展，在先驗(yàn)信息輔助的基礎(chǔ)上有效結(jié)合其他匹配方法的優(yōu)勢(shì)，從而進(jìn)一步加強(qiáng)精化方法的匹配能力，使其應(yīng)用于無(wú)人機(jī)衛(wèi)星大傾角圖像匹配的各種場(chǎng)景，該方法擴(kuò)展性強(qiáng)，但極度依賴先驗(yàn)信息的有效性和準(zhǔn)確性。

在基于任意圖片的目標(biāo)定位中，需要對(duì)圖片場(chǎng)景分類并采用不同的技術(shù)手段。研制的場(chǎng)景圖片位置估計(jì)與幾何位置解算系統(tǒng)，通過(guò)目標(biāo)識(shí)別、圖像匹配等［３０－３１］技術(shù)手段，對(duì)場(chǎng)景照片進(jìn)行三維仿真渲染、幾何定位，最終確定目標(biāo)地理位置。圖９ 和圖１０分別以山區(qū)與谷歌街景圖像為例，通過(guò)解算系統(tǒng)，對(duì)二者的地理信息、目標(biāo)特征進(jìn)行提取與幾何位置解算，最終確定了它們分別來(lái)自瑞士山區(qū)與香港城區(qū)。

３． ３遙感目標(biāo)檢測(cè)與跟蹤

近年來(lái)，目標(biāo)檢測(cè)技術(shù)在無(wú)人機(jī)影像、衛(wèi)星影像及視頻的應(yīng)用中取得了顯著進(jìn)展。當(dāng)前的研究趨勢(shì)主要集中在提升檢測(cè)精度與效率、處理復(fù)雜場(chǎng)景的能力以及優(yōu)化模型的實(shí)時(shí)性方面。當(dāng)前的目標(biāo)檢測(cè)模型通過(guò)引入先進(jìn)的特征金字塔、多檢測(cè)頭策略以及混合注意力機(jī)制，顯著提高了目標(biāo)檢測(cè)的性能。本文總結(jié)了近年來(lái)遙感目標(biāo)檢測(cè)與跟蹤領(lǐng)域的代表性方法及其特點(diǎn)，如表３所示。

此外，在衛(wèi)星視頻跟蹤任務(wù)中，多任務(wù)學(xué)習(xí)和圖信息推理的應(yīng)用，如Ｍｕｌｔｉ-ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ ｉｎ Ｓａｔｅｌｌｉｔｅ Ｖｉｄｅｏｓｗｉｔｈ Ｇｒａｐｈ-ｂａｓｅｄ Ｍｕｌｔｉ-ｔａｓｋ Ｍｏｄｅｌｉｎｇ （ＴＧｒａＭ）［３７］，通過(guò)將多目標(biāo)跟蹤建模為圖信息推理過(guò)程，提高了實(shí)時(shí)推理能力，但在復(fù)雜和密集目標(biāo)的持續(xù)跟蹤方面仍面臨挑戰(zhàn)。Ｍｕｌｔｉ-ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ Ｍｅｔｈｏｄ （ＭＣＴｒａｃｋ-ｅｒ）［３８］通過(guò)幀間運(yùn)動(dòng)相關(guān)性和多尺度特征增強(qiáng)，提高了在密集小目標(biāo)和模糊環(huán)境下的跟蹤性能，但對(duì)高度相似的小目標(biāo)的檢測(cè)和跟蹤仍存在問(wèn)題。以下介紹遙感目標(biāo)檢測(cè)與跟蹤領(lǐng)域的實(shí)際場(chǎng)景應(yīng)用。

３.３.１ 遙感目標(biāo)解譯與識(shí)別

空基大傾角影像拍攝角度差異大，導(dǎo)致目標(biāo)形態(tài)差異較大，樣本非常少，目標(biāo)檢測(cè)困難。對(duì)此，提出了一種基于正負(fù)樣本均衡的大傾角影像目標(biāo)檢測(cè)算法［３９］，可以自適應(yīng)進(jìn)行特征選擇，解決同類目標(biāo)特征不統(tǒng)一的問(wèn)題，同時(shí)引入領(lǐng)域知識(shí)，在樣本有限的情況下，提升目標(biāo)檢測(cè)精度。圖１１對(duì)俄烏沖突中的一些典型目標(biāo)進(jìn)行檢測(cè)，共檢測(cè)到１ ７５４ 個(gè)目標(biāo)，其中，正確檢測(cè)目標(biāo)１４９１ 個(gè)，誤檢目標(biāo)２６３個(gè)，準(zhǔn)確率達(dá)到８５％ 。

針對(duì)國(guó)產(chǎn)高分辨率遙感影像，通過(guò)“線下訓(xùn)練－線上學(xué)習(xí)”目標(biāo)檢測(cè)方法，對(duì)機(jī)場(chǎng)飛機(jī)型號(hào)進(jìn)行檢測(cè)，如圖１２ 所示，檢測(cè)精度提升１０％ 以上。

３.３.２衛(wèi)星視頻地面目標(biāo)檢測(cè)與跟蹤

在衛(wèi)星視頻地面目標(biāo)檢測(cè)與跟蹤研究中，武漢大學(xué)對(duì)視頻衛(wèi)星在軌快速處理模式進(jìn)行創(chuàng)新，提出自適應(yīng)分割和差分軌跡累積的視頻運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)跟蹤方法，研制了國(guó)際首個(gè)亞米級(jí)彩色視頻衛(wèi)星在軌處理系統(tǒng)，實(shí)現(xiàn)星載視頻傳輸半小時(shí)到在軌一體化處理傳輸分鐘級(jí)的躍升，如圖１３所示。

３.３.３ 無(wú)人機(jī)視頻地面目標(biāo)檢測(cè)與跟蹤

針對(duì)無(wú)人機(jī)數(shù)據(jù)量大、信息獲取延時(shí)，無(wú)法完成數(shù)據(jù)傳輸?shù)葐?wèn)題，提出了一種基于輕量級(jí)深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別方法，實(shí)現(xiàn)了飛機(jī)、油罐等目標(biāo)識(shí)別和機(jī)載目標(biāo)自主跟蹤。如圖１４ 所示，針對(duì)無(wú)人機(jī)視頻中飛機(jī)、車(chē)輛等目標(biāo)的檢測(cè)，該算法實(shí)現(xiàn)了９０％ 以上的準(zhǔn)確率，識(shí)別速度較快，在ＧＰＵ 上檢測(cè)效率達(dá)到６ 幀／ 秒，ＣＰＵ 上為５ ｓ 左右。

此外，針對(duì)無(wú)人機(jī)遙感數(shù)據(jù)受光照、拍攝角度等因素而造成的幾何位置不對(duì)應(yīng)，像素級(jí)結(jié)果破碎、零散，目標(biāo)變化信息不連續(xù)等問(wèn)題，提出了目標(biāo)影像凸面模型，可適用于實(shí)時(shí)變化發(fā)現(xiàn)和復(fù)雜的目標(biāo)要素提取與跟蹤。首次提出的“邊飛行－邊傳輸－邊處理－邊服務(wù)”無(wú)人機(jī)遙感數(shù)據(jù)實(shí)時(shí)智能服務(wù)模式，實(shí)現(xiàn)了機(jī)載在線實(shí)時(shí)定位、目標(biāo)檢測(cè)與跟蹤，如圖１５所示。

結(jié)合以上研究與實(shí)際場(chǎng)景應(yīng)用，未來(lái)的目標(biāo)檢測(cè)與跟蹤研究重點(diǎn)將關(guān)注以下幾個(gè)方面：① 進(jìn)一步提升模型在復(fù)雜和極端場(chǎng)景下的檢測(cè)能力和實(shí)時(shí)性。例如，衛(wèi)星在軌智能圖像實(shí)時(shí)目標(biāo)檢測(cè)。② 結(jié)合高分辨率圖像和多模態(tài)數(shù)據(jù)，以應(yīng)對(duì)多尺度、多方向的目標(biāo)檢測(cè)挑戰(zhàn)。③ 隨著大量數(shù)據(jù)集的存儲(chǔ)，如何有效利用大規(guī)模遙感數(shù)據(jù)和地理知識(shí)進(jìn)行模型訓(xùn)練和優(yōu)化，將成為關(guān)鍵的研究方向。

３． ４遙感變化檢測(cè)

當(dāng)前變化檢測(cè)技術(shù)的發(fā)展經(jīng)歷了從傳統(tǒng)方法到基于深度學(xué)習(xí)和視覺(jué)大模型的先進(jìn)方法的轉(zhuǎn)變，體現(xiàn)了技術(shù)的不斷進(jìn)步和應(yīng)用需求的變化。傳統(tǒng)方法主要依賴于圖像對(duì)象分割和光譜特征分析，通過(guò)定義不變參考對(duì)象和利用概率閾值識(shí)別變化區(qū)域。這些方法在實(shí)際應(yīng)用中表現(xiàn)出色，但由于對(duì)對(duì)象分割算法的高度依賴和對(duì)語(yǔ)義信息的缺乏考慮，其泛化能力有限，容易受到偽變化干擾，并且在處理不同影像分辨率和條件下的適應(yīng)性不足。基于機(jī)器學(xué)習(xí)的變化檢測(cè)算法，如支持向量機(jī)、決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)，通過(guò)學(xué)習(xí)數(shù)據(jù)中的特征和分類規(guī)則進(jìn)行變化檢測(cè)，這些方法在特征提取和分類方面具有優(yōu)勢(shì)，但處理大規(guī)模數(shù)據(jù)集時(shí)計(jì)算效率可能成為瓶頸，且樣本分布不均衡的問(wèn)題可能影響模型性能。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的算法通過(guò)神經(jīng)網(wǎng)絡(luò)自動(dòng)提取復(fù)雜特征，利用注意力機(jī)制和多尺度特征融合顯著提升了變化檢測(cè)的精度和魯棒性。然而，這些方法通常需要大量計(jì)算資源和數(shù)據(jù)進(jìn)行訓(xùn)練，模型優(yōu)化和訓(xùn)練過(guò)程較為復(fù)雜。近年來(lái)，基于視覺(jué)大模型的算法進(jìn)一步推動(dòng)了變化檢測(cè)技術(shù)的發(fā)展，通過(guò)優(yōu)化模型設(shè)計(jì)和減少計(jì)算資源需求，同時(shí)保持高檢測(cè)精度和實(shí)時(shí)性能，使其在資源受限環(huán)境下也能高效運(yùn)行。本文總結(jié)了各類遙感變化檢測(cè)方法的類型、代表文獻(xiàn)及特點(diǎn)，如表４ 所示。

遙感變化檢測(cè)現(xiàn)有方法［５１］利用遙感影像的中低層特征，受成像特性影響大，缺乏對(duì)語(yǔ)義信息高級(jí)特征的定量描述，對(duì)時(shí)間序列遙感數(shù)據(jù)中多維度特征利用不足。基于此，以時(shí)序無(wú)人機(jī)遙感數(shù)據(jù)為基礎(chǔ)，提出了一種“時(shí)－空－譜”一體化處理的全自動(dòng)三維變化信息提取方法，實(shí)現(xiàn)了建筑物、道路等人工目標(biāo)三維變化信息高精度、零漏檢提取［５２］，如圖１６ 所示。該方法更加關(guān)注聯(lián)合目標(biāo)多維特征和語(yǔ)義信息進(jìn)行時(shí)序關(guān)聯(lián)分析，充分挖掘了時(shí)序數(shù)據(jù)中目標(biāo)深層次變化與規(guī)律。

總體而言，變化檢測(cè)技術(shù)正在從手工特征提取向自動(dòng)化和高效處理的方向發(fā)展，雖然每種方法在不同應(yīng)用場(chǎng)景中展現(xiàn)出獨(dú)特優(yōu)勢(shì)，但也各自存在一定局限性。隨著技術(shù)的不斷進(jìn)步，變化檢測(cè)方法的適應(yīng)性和準(zhǔn)確性有望得到進(jìn)一步提升。

４遙感大數(shù)據(jù)典型應(yīng)用

４.１突發(fā)事件應(yīng)急響應(yīng)

突發(fā)事件具有區(qū)域性、突發(fā)性、過(guò)程性和頻發(fā)性的特點(diǎn)，應(yīng)急保障要求全周期、全方位、高動(dòng)態(tài)、準(zhǔn)實(shí)時(shí)，既要對(duì)突發(fā)事件進(jìn)行快速應(yīng)急響應(yīng)和果斷處置，又要充分利用社會(huì)各種資源，對(duì)整個(gè)地區(qū)全方位立體管控和調(diào)度指揮，應(yīng)急通信、指揮調(diào)度、地圖綜合運(yùn)用和區(qū)域治安巡查等多項(xiàng)需求迫切。在此基礎(chǔ)上，構(gòu)建了天空地傳感器數(shù)據(jù)直接支持無(wú)人區(qū)應(yīng)急應(yīng)用體系，首次在無(wú)人區(qū)集成衛(wèi)星、飛艇、無(wú)人機(jī)和地面終端等多種手段聯(lián)合進(jìn)行一體化觀測(cè)、處理及應(yīng)急應(yīng)用，如圖１７ 所示，解決了“最后１ 公里”問(wèn)題，大幅提升無(wú)人區(qū)應(yīng)急處置能力，填補(bǔ)了天空地遙感協(xié)同監(jiān)測(cè)無(wú)人區(qū)應(yīng)急處置的空白。

４． ２遙感自然災(zāi)害監(jiān)測(cè)與評(píng)估

自然災(zāi)害救援現(xiàn)場(chǎng)復(fù)雜、危險(xiǎn)性高，而遙感影像具有獲取范圍廣、速度快、周期短等特點(diǎn)，在防災(zāi)減災(zāi)業(yè)務(wù)中占據(jù)重要地位。針對(duì)傳統(tǒng)人工監(jiān)測(cè)存在盲區(qū)、周期長(zhǎng)、依賴地面設(shè)備等問(wèn)題［５３］，武漢大學(xué)聯(lián)合國(guó)家減災(zāi)中心等單位研制了我國(guó)首套業(yè)務(wù)化運(yùn)行的遙感自然災(zāi)害監(jiān)測(cè)評(píng)估成套軟硬件裝備，部分核心指標(biāo)優(yōu)于國(guó)際主流裝備，獲２０１７ 年測(cè)繪科技進(jìn)步一等獎(jiǎng)、２０１２年國(guó)家科技進(jìn)步二等獎(jiǎng)。該裝備將災(zāi)損信息提取時(shí)間從小時(shí)級(jí)提升到分鐘級(jí)，災(zāi)害綜合評(píng)估時(shí)間從３個(gè)月提升到兩周級(jí)，如圖１８ 所示，目前已部署在應(yīng)急管理部國(guó)家減災(zāi)中心、多個(gè)省市減災(zāi)應(yīng)用部門(mén)實(shí)現(xiàn)業(yè)務(wù)化運(yùn)行，支撐了從２０１２年以來(lái)我國(guó)１００ 余次重大自然災(zāi)害應(yīng)急工作，推動(dòng)了我國(guó)遙感自然災(zāi)害應(yīng)急監(jiān)測(cè)與評(píng)估從理論研究到業(yè)務(wù)實(shí)戰(zhàn)的跨越。

５結(jié)束語(yǔ)

地理環(huán)境構(gòu)建與目標(biāo)保障作為遙感大數(shù)據(jù)實(shí)踐應(yīng)用中的重要一環(huán)，在災(zāi)害應(yīng)急、重大安保和國(guó)土防護(hù)等各個(gè)領(lǐng)域發(fā)揮著不可忽視的作用。天空地立體監(jiān)測(cè)網(wǎng)、地理環(huán)境高精度時(shí)空信息圖和遙感智能解譯云平臺(tái)等關(guān)鍵技術(shù)在多個(gè)領(lǐng)域發(fā)揮了作用，呈現(xiàn)出大范圍、實(shí)時(shí)化、精細(xì)化、可信度高、挖掘度深、智能性強(qiáng)等特點(diǎn)。

遙感大數(shù)據(jù)的獲取、分析與應(yīng)用由地表到地下、從室內(nèi)到室外，拓展至全空間；觀測(cè)對(duì)象從對(duì)地觀測(cè)，拓展至對(duì)人觀測(cè)、對(duì)深度探測(cè)；觀測(cè)粒度從區(qū)域到全球，從宏觀到精細(xì)。在新一輪遙感大數(shù)據(jù)競(jìng)爭(zhēng)中，實(shí)時(shí)精準(zhǔn)地獲得目標(biāo)區(qū)域的目標(biāo)動(dòng)向信息和整體態(tài)勢(shì)信息將成為信息戰(zhàn)場(chǎng)上的主要目標(biāo)與發(fā)展道路。在對(duì)遙感大數(shù)據(jù)的處理中，更加實(shí)時(shí)、精準(zhǔn)、智能的數(shù)據(jù)處理和分析與更為協(xié)同、主動(dòng)、按需的信息服務(wù)也將成為未來(lái)發(fā)展的重要方向；事件發(fā)生的時(shí)空推演不再拘泥于片面的、獨(dú)立的預(yù)測(cè)方式，全階段的、連續(xù)的、天空地協(xié)同的分析與處理將成為發(fā)展主流，在各行各業(yè)中大有可為。

作者簡(jiǎn)介

眭海剛 男，（１９７３—），博士，二級(jí)教授。主要研究方向：實(shí)時(shí)遙感智能解譯、時(shí)空大數(shù)據(jù)分析、無(wú)人自主感知。

（*通信作者）周寧 男，（２０００—），博士研究生。主要研究方向：遙感影像智能解譯。

魏天怡 女，（２０００—），碩士研究生。主要研究方向：視頻圖像目標(biāo)檢測(cè)。