共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
随着遥感数据朝“三高”(高空间分辨率、高光谱分辨率和高时间分辨率)和“三多”(多平台、多传感器和多角度)的快速发展, 数据冗余与信息饥渴的矛盾日益凸显, 数据挖掘技术用于遥感数据的信息获取将成为一个有广阔应用前景的研究领域。首先阐述了目前常用的数据挖掘技术及其在商业、电信、金融等领域的典型应用成果; 然后结合遥感数据的特点, 总结了近10 年来遥感数据挖掘方面取得的重要成果; 最后归纳了该领域存在的若干问题及提出建议。 相似文献
3.
4.
5.
相对于当前指数级增长的强大遥感数据获取能力,遥感大数据的智能处理和知识服务能力相对滞后,海量多源化遥感数据堆积与有限信息孤岛并存的矛盾日益突出,亟需有效的遥感领域知识建模技术来辅助挖掘遥感大数据的有用信息并形成知识服务能力。知识图谱技术以符号形式描述物理世界中的概念及其相互关系,具有强大的知识建模与推理应用能力,在搜索引擎、电子商务、社交网络分析等领域已经得到成功应用。在通用知识图谱技术启发下,本文首次提出建立遥感领域知识图谱研究构想,可以为遥感领域知识建模与知识服务提供支撑。本文首先回顾通用知识图谱的发展历程,然后探讨遥感知识图谱的构建技术、遥感知识图谱驱动的典型地学应用案例,最后对遥感知识图谱的应用现状与未来研究方向进行分析论述。总体来说,遥感知识图谱的研究有利于更好的归纳遥感领域学科概念化知识、管理遥感大数据所蕴含的新增信息与知识,可以向多领域众多用户提供灵活便捷的遥感知识查询与知识服务能力,有助于全面提升海量多源遥感观测成果的应用能力,在全球遥感地表覆盖分类、气候变化、国际人道主义援助等方面都将发挥重要作用。 相似文献
6.
为反映《遥感学报》及中国遥感学科近20年的发展趋势,针对《遥感学报》在1997年—2015年期间出版的所有1804篇论文进行了统计分析,给出了国内高校及研究机构的发文量排名和受国家自然科学基金资助的发文情况,并对比了常设栏目和专题栏目的论文发文量及被引用情况。通过比较4个时间段内论文关键词的共现关系,反映出随着新的卫星载荷不断发射,观测技术由单一观测变为多源卫星观测,遥感定量反演模型由简单变得更为复杂,遥感技术应用也由最初的测绘、国土调查等单一应用逐渐变为多学科交叉应用,特别是在近年来国内外社会热点的驱动下,遥感技术已开始在灾害应急、全球变化、大气污染、粮食安全等领域发挥出越来越重要的作用。此外,无论是在当前遥感学科发展还是国家需求的现状下,都迫切需要建立国家级的遥感应用综合信息系统,以提高对环境和资源的宏观调控能力,为中国经济和社会可持续发展战略、布局和趋势预测,为资源管理、环境保护、防灾减灾以及实现资源环境、经济、社会的宏观调控,提供科学的数据和决策支持。 相似文献
7.
8.
农业遥感研究应用进展与展望 总被引:22,自引:0,他引:22
得益于中国自主遥感卫星、无人机遥感和物联网等技术的发展,中国农业遥感研究与应用在过去20年取得了显著进步,中国农业遥感信息获取呈现出天地网一体化的趋势;农业定量遥感在关键参数遥感反演技术方法与应用方面取得进展;作物面积、长势、产量、灾害遥感监测的理论与技术方法取得突破,农业遥感技术应用领域不断拓展。本文从农业遥感信息获取、农业定量遥感、农业灾害遥感、作物遥感识别与制图、作物长势遥感监测与产量预测、农业土地资源遥感等方面对中国农业遥感科研与应用进行了总结综述。 相似文献
9.
在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。 相似文献
10.
龚健雅 《武汉大学学报(信息科学版)》2018,43(12):1788-1796
人工智能技术迅猛发展将对各行各业造成巨大影响。测绘遥感是一个与人工智能密切相关的领域,在人工智能领域迅速发展的大环境下,测绘遥感学科既有很好的发展机遇,也面临很大的学科危机。首先介绍了人工智能的范畴和与测绘遥感相关的领域,然后介绍了人工智能两大热门领域——机器视觉和机器学习在摄影测量与遥感领域的应用进展,最后介绍了基于时空大数据的认知与推理研究进展,展示了测绘遥感的时空大数据在自然和社会感知、认知与推理的应用前景,希望测绘遥感学科在人工智能时代获得大发展。 相似文献
11.
12.
13.
14.
15.
16.
高光谱遥感影像分类数据集主要用于辅助高光谱遥感分类算法的精度验证、效率评价及性能评估,一般包括高光谱遥感影像、影像对应地物类别标注以及相关信息文档等内容。常用的高光谱遥感影像分类数据集以欧美为主,如India Pines、Salinas、KSC等。随着中国高光谱遥感传感器技术发展和学术交流机制的日臻完善,国内也发布了高光谱遥感分类数据集,如江苏省常州的茶树数据集。较于欧美高光谱遥感分类数据集的广泛应用,中国高光谱遥感分类数据集的发布与应用仍偏少。近年来,中国高质量高光谱遥感数据获取能力大幅增强,提升了中国高光谱遥感共享数据源的数量及质量,为促进中国高光谱遥感应用研究及业务化能力提供了支撑。本分类数据集包括雄安新区马蹄湾村高光谱影像数据,由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集,光谱范围为400—1000 nm,波段250个,影像大小为3750×1580像元,空间分辨率0.5 m;同步实地调研地类分布19种,包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证,分类精度可达97%。该数据集(下载方式:http://www.hrs-cas.com/a/share/shujuchanpin/2019/ 0501/1049.html)可为中国经济作物高光谱精细分类研究提供良好的数据支持,更可为中国高光谱遥感载荷业务化应用发展提供有力促进。 相似文献
17.
时空遥感云计算平台PIE-Engine Studio的研究与应用 总被引:1,自引:0,他引:1
随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE(Pixel Information Expert)-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI(Normalized Difference Vegetation Index)的计算为例,对比了本平台与GEE(Google Earth Engine)的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在(0.48,0.77),且二者差值的95.33%集中在(-0.13,0.13),结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。 相似文献
18.
随着空间信息领域技术的提高,利用卫星遥感数据获取地表信息的数据量也飞速的增长,快速有效地在海量遥感数据源中获取感兴趣的地表信息成为一项重要的研究方向。数据挖掘方法具有从海量数据集中提取隐含其中信息的功能,使得数据挖掘方法在遥感图像分类和专题信息提取中具有较好的应用,但不同的数据挖掘算法具有各自的独特性,使得在遥感分类中使用数据挖掘方法并不容易,本文通过介绍几种常用的数据挖掘算法,分析和探讨了这些方法在遥感分类应用中的优势和局限性,为在遥感分类中更好的、有针对性的选择数据挖掘算法提供借鉴。 相似文献
19.
<正>遥感影像数据作为对地观测的重要成果,在众多领域得到重要应用。但是,遥感影像处理技术的发展、数据管理制度的漏洞、人为因素的威胁、计算机网络的开放性等,使遥感影像在传输、存储与使用过程中容易遭受各种无意或有意的篡改攻击,其完整性、真实性问题日渐突出。如果遥感影像的完整性、真实性受到影响,那么使用价值将大打折扣,甚至带来不可弥补的重大损失,所以,遥感影 相似文献
20.
高光谱图像作为多模态遥感数据的重要组成部分,能够捕捉地物精细的光谱特征。由于成像机理的限制,空间细节的损失导致高光谱图像的空间表征能力有所退化,一定程度上限制了数据进一步应用的潜力。数据融合是解决空间/光谱分辨率矛盾的有效手段,近年来相关理论得到了深入发展。本文全面综述了高/多光谱遥感图像超分辨率融合领域的研究进展与展望。首先,将当前方法系统性地分为细节注入、模型优化及深度学习3大类方法,并对不同方法的原理、模型、代表性算法进行了回顾,重点介绍了模型优化中的矩阵分解、张量表示及深度学习中的监督与非监督方法。在此基础上,梳理了该领域技术在像素级分类、目标提取、在轨融合领域的成功应用案例,指出融合产品的潜能在后续遥感应用未被充分挖掘的现状;然后,从退化模型、数据-模型驱动、多任务一体化及应用耦合4个角度对该领域进行展望;最后,就该领域的研究现状与发展趋势进行总结,归纳各类方法优劣势的同时,点明了多类方法协同、外部数据辅助及实际应用驱动等方面的重要性。 相似文献