遥感信息协同智能网格模型设计及实现

为了给普通用户提供一个自动化、智能化的遥感信息处理平台,以OGSA(Open Grid Services Architecture) 为基础,结合多智能体技术,提出了基于协同智能网格的遥感信息处理模型RSCIG(Remote Sensing Cooperative Intelligent Grid);设计了RSCIG的体系结构,详述了如何高效准确地协同现有的网格服务以完成所面临的任务;实现了一个RSCIG体系结构下的遥感信息处理原型系统.     

高性能气溶胶遥感定量反演的网格计算研究

遥感定量反演的对象为多源遥感数据,处理过程不可避免地涉及海量数据处理、信息提取和分析.随着反演理论和技术的发展.地表遥感模型复杂化,数据量呈爆炸式增长,相应对计算力的要求也越来越高.网格计算(Grid Computing),是由异构网络资源构成的大规模、分布式的软硬件基础设施,如何吸收和改进网格技术,实现高性能遥感反演系统,是本文的主要研究目的.     

精准地理应用驱动的高分遥感协同计算研究

高分遥感智能解译是实现地理信息精细生成与快速更新的重要途径,从基于遥感开展精准地理应用的背景出发,解析了遥感信息产品生产与落地应用中的局限性,阐释了遥感回归地理应用问题的必要性以及其中“精（形态）”“准（内容）”图谱特征耦合的关键性。以地理学指导智能遥感研究为基本认识,提出了基于精细地理场景开展高分辨率遥感地学分析的发展方向和技术思路,以及时空/星地两个层面相协同的智能计算模式,并以中国贵州省关岭县石漠化耕地评价为应用案例,利用分区分层感知/时空协同反演/多粒度决策3个基础模型,在复杂山地区开展精准应用驱动的高分遥感协同计算。结合实验结果,通过对不规则网格空间表达、时序特征多模态重建、多源不确定性解析以及不确定性引导的迭代优化等关键科学问题的探讨分析,给出面向未来的探索方向和研究思路,为地理学指导下的智能遥感研究以及遥感支撑的精准地理应用提出发展路径。     

Grid GIS研究

概述了网格(Grid)出现的技术背景和发展现状,分析了网格技术对地理信息服务的影响。重点阐述了 Grid GIS 的特征及其体系结构,并探讨了 Grid GIS 实现的关键技术。     

地籍学

CH20052309基于不规则网格的城市管理网格体系与地理编码=Research on Urban Grid System and Geocodes/李琦,罗志清(北京大学遥感与地理信息系统研究所),郝力(国家建设部信息中心),安真臻(中国测绘科学研究院)∥武汉大学学报(信息科学版).-2005,30(5).-408~411从网格的定义出发,论述了规则网格与不规则网格的特点,描述了等级不规则网格的组成,指出地籍是城市最小不规则空间网格单元,利用地籍可以组合成其他管理分区(网格),使城市空间信息的纵向综合与横向共享得以实现,最后探讨了基于等级不规则网格的地理编码标准。图3表1参5CH2005231…     

面向星群的遥感影像智能服务关键问题EI北大核心CSCD

全天时、全天候和全球的遥感信息实时智能服务是对地观测系统建设的目标。近几年来,随着我国高分专项和商业卫星的发展,在轨卫星数量急剧增加,对地观测能力得到极大增强,使得传统的单星和星座卫星系统的运控、接收、处理和应用服务模式面临严峻挑战,亟须统筹规划卫星应用各环节资源,充分发挥多星协同优势,构建统一的遥感影像实时智能服务体系和系统。本文针对遥感星群卫星体系特点和对地观测用户需求特征,开展面向星群的遥感影像智能服务关键问题研究。提出了面向任务的全球多尺度语义描述网格,统筹全球动静态的任务语义描述,在此基础上重点分析了面向星群的自主任务管理、精准动态规划和协同智能处理等关键技术问题,形成集任务描述、任务管控、任务规划、在轨处理、终端分发一体化的星群智能服务技术体系。通过充分发挥星群协同的优势,结合在轨处理和人工智能技术来降低各环节时间延迟,提高数据处理精度,从而实现完全自动化和智能化的近实时星群智能服务,为对地观测的全天时、全天候快速高效智能服务奠定基础。     

空间知识网格体系架构及其实现技术探讨

空间知识网格是以网格GIS的基础设施、空间数据网格、空间信息网格(狭义)为基础,运用基本的网格服务建立的智能、高效、协作的决策支持平台。空间知识网格具有以服务为核心、基于开放的技术标准和协议、智能化的知识挖掘过程和完整的结构体系等特点,主要完成空间知识的管理与分析应用,如空间数据管理与操作、空间分析与计算、地图编制和遥感图像处理等。本文系统论述了空间知识网格的体系结构,并以实例阐述了空间知识网格的实现流程及其关键技术。     

高分辨率遥感影像智能解译研究进展与趋势

遥感影像解译是一个不断发展的研究方向,随着日新月异的遥感应用需求、高分辨率遥感数据的快速发展、地理知识的日积月累、以及人工智能技术的发展,亟需发展自动化、智能化的遥感影像解译技术。本文针对遥感影像智能解译,首先从遥感影像解译单元、分类方法、解译认知3个方面阐述遥感影像解译的研究进展,然后提出了面向地理场景的 “地理知识图谱构建—深度学习模型构建—地理知识图谱与深度学习模型协同的遥感影像语义分类”遥感影像智能解译总体框架,并给出初步试验成果,最后对智能解译的重要发展趋势予以展望,以期拓展遥感影像智能解译研究的思路与方法,提高遥感影像智能解译的精细程度和智能化水平,使智能解译具备地理空间理解能力,推动“数据—信息—知识—智能”的深度转化。     

空地协同移动智能服务平台研发及典型应用

面向万物互联时代的移动智能服务需求,亟须建立空地协同智能服务平台。由于核心设备和算法的限制,空地协同移动智能服务平台发展较为缓慢。由此通过攻关传感器实时位置和姿态测量的核心技术与数据处理和分析的关键算法,研制了高精度位姿测量设备,研发了机载和车载空地多平台协同组网遥感观测系统,实现了多源遥感影像质量改善与智能精处理,有效支撑遥感测绘服务,提升遥感信息自动化处理水平,从而解决了空地协同智能服务平台中“准、快、灵”的难题,实现“北斗+位姿测量仪”全球自主“定基准”、空地协同组网快速“找目标”、智能化精处理自动“查变化”。成果已被广泛应用于地理国情监测、智慧城市规划和建设、应急测绘保障等行业。     

国家地质空间信息网格结点计算池构架及其实现

本文针对网格虚拟和协同的核心技术问题,对组成国家地质空间信息网格平台的网格结点计算池的构架与机制、组成网格结点计算池的资源聚合器、元服务、智能服务引擎的概念及网格结点计算池的服务流程进行了讨论。该构架通过资源聚合器实现提供统一方式服务发现的接口、为资源虚拟化及空间数据的描述发现和集成提供支持;通过网格元服务技术,集合一组通过广域网连接起来的性质不同的服务(计算)资源,并作为一个单独的计算环境向用户提供计算服务的元服务;通过网格服务智能服务引擎,进行服务发现、异步通讯及元服务级的并行计算、均衡负载、生命周期管理、服务与资源绑定以及把门户中的用户管理、资源监控、网络安全、计费等功能组合和融合,实现了一个无状态服务和一个或多个有状态资源的关联的协同。目前已初步构建了国家地质空间信息网格,连通13个结点,并开始实际业务模式运行。实现了长江中下游有色金属成矿带和西南三江有色金属成矿带的在线分布式资源评价和华北平原地下水资源动态评价,取得了很好的实际运行效果。     

新一代智能测绘遥感科学试验卫星珞珈三号01星

光学测绘遥感卫星的性能不断提升,种类日益丰富,已经成为获取全球精准测绘遥感信息的重要支撑。当前光学测绘遥感卫星已具备亚米级的空间分辨能力,但测绘遥感信息服务存在严重的滞后问题,亟须发展智能测绘遥感卫星,向实时智能服务转型升级。本文首先基于光学测绘遥感卫星3种成像体制及其实现方式和应用特点,分析智能测绘遥感卫星的适用体制,进一步面向实时化、智能化和大众化的应用需求,提出通导遥(通信、导航、遥感)一体化智能遥感卫星的设计构想,重点分析智能遥感卫星的服务方式及一体化功能组成;然后,阐述新一代智能测绘遥感科学试验卫星珞珈三号01星的性能与特点;最后,对智能测绘遥感卫星的发展和使命进行总结与展望。珞珈三号01星集遥感与通信功能于一体,探索了从数据获取到应用终端的测绘遥感信息高效智能服务模式,为遥感数据基于天地互联网的在轨处理与实时传输提供了真实的服务验证平台,对我国空间信息网络的建设具有重大意义。     

智能遥感深度学习框架与模型设计EI北大核心CSCD

近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上,基于深度学习的智能遥感影像解译技术展现出了显著优势。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,本文设计了嵌入遥感特性的专用深度学习框架,并重点讨论了其构建方法,以及地物分类任务的初步试验结果等。本文提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。     

智能遥感卫星与遥感影像实时服务

传统的卫星遥感系统数据获取、处理和应用模式无法满足卫星遥感影像大众化和实时化的应用需求,亟须发展智能遥感卫星系统,以解决遥感影像在轨处理和智能服务问题。本文首先阐述了智能遥感卫星的发展;然后对智能遥感卫星在轨处理架构、服务模式和在轨处理所涉及的关键算法进行了详细介绍;最后结合珞珈三号01星的设计和研制,探讨了珞珈三号01星的服务场景和服务模式,并对5G、6G和人工智能时代下的智能遥感卫星的未来发展进行了展望。     

高光谱图像处理与信息提取前沿

高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。本文简要介绍了高光谱遥感的主要特点,系统梳理了高光谱图像处理与信息提取面临的关键问题和主要研究方向,在此基础上,从噪声评估与数据降维方法、混合像元分解方法、图像分类方法、目标探测与异常探测方法等4个方面对高光谱图像处理与信息提取的理论发展过程和最新前沿进展进行了综述。另外,还对高光谱图像处理与信息提取中的高性能处理技术进行了总结和分析。未来,伴随着智能化信息分析和高性能硬件处理技术发展,高光谱遥感卫星系统也将步入智能化时代。针对这一趋势,本文指出高光谱图像处理与信息提取方法要注重多学科交叉,充分利用机器学习、人工智能等领域的新成果;要重视软硬件结合,发展高光谱图像高性能实时处理技术;要紧密结合应用需求,发挥高光谱遥感的优势和特点,发展新理论和新方法。     

遥感大数据时代与智能信息提取

近年来,天地一体化对地观测系统与智能计算技术的快速发展为遥感科技进步甚至变革提供了难得的机遇。遥感信息技术在历经20世纪60~80年代以统计数学模型为核心的数字信号处理时代、从90年代至今以遥感信息物理量化为标志的定量遥感时代之后,现在正逐渐进入一个以数据模型驱动、大数据智能分析为特征的遥感大数据时代。在总结遥感信息技术历史发展脉络的基础上,阐述了遥感大数据的内涵和智能信息提取的时代特点,并从遥感大数据的理念出发,论述了面向对象的遥感知识库构建,分析了融合遥感知识和深度学习算法的大数据智能信息提取策略。通过典型实例,介绍了以深度学习为代表的智能算法在遥感大数据目标检测、精细分类、参数反演等方面的发展现状与趋势,并讨论了深度学习在遥感大数据时代的智能信息提取方面的应用潜力。     

深度学习PaddlePaddle框架支持下的遥感智能视觉平台研究与实现

百度深度学习PaddlePaddle框架支持下的遥感智能视觉平台,能够运用深度学习技术实现遥感影像的智能建模、训练和解译。本文通过深入分析PaddlePaddle图像分割模型库PaddleSeg的图像处理深度学习算法模型DeepLabV3+、U²-Net及RetinaNet,开发设计了遥感智能视觉平台,实现了遥感影像的地块分割、变化检测和斜框检测等专业功能。研究表明：遥感智能视觉平台提取的图斑总面积是目视解译的80%、有效图斑比例为76%、错误图斑比例为18%,实现了快速有效的遥感图像智能处理。     

面向任务的高分辨率光学卫星遥感影像智能压缩方法

随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。     

新一代人工智能驱动的陆地观测卫星遥感应用技术综述

随着各国航天事业的高速发展以及政府对卫星遥感技术的大力支持,各类军民商用卫星系统层出不穷,建立了较为完善的卫星遥感数据获取体系,为推动经济社会高质量发展提供了新动能。与此同时,人工智能技术的迅猛发展极大程度的提升了数据分析的智能化、精准化水平,为遥感大数据分析与应用带来了新的发展机遇。在互联网时代的背景下,结合新一代人工智能、大数据、物联网、5G等先进技术,推动遥感应用朝着智能化、大众化、产业化方向发展是大势所趋。本文依据当前陆地观测卫星智能遥感技术的发展现状与实际需求,论述了人工智能驱动的遥感技术在资源调查、环境监测、灾害监测等领域中的应用研究现状,探讨了现阶段制约人工智能技术在遥感领域应用成效的关键问题,最后结合遥感大数据处理中存在的问题和挑战,对陆地观测卫星遥感应用技术的发展趋势进行了展望,建立基于人工智能的卫星遥感应用体系已成为卫星遥感技术发展的必然趋势。