遙感大數(shù)據(jù)的地理環(huán)境構建及目標保障技術綜述

關鍵詞：遙感大數(shù)據(jù)；地理環(huán)境構建；目標動態(tài)檢測；目標定位

中圖分類號：Ｐ２３７ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１１－２５０５－１５

０引言

智能時代背景下，遙感大數(shù)據(jù)、云計算和人工智能等技術正在成為目標情報匯聚、融合、分析挖掘與可視化的重要手段。構建以全球時空信息為基礎，以數(shù)據(jù)為中心的保障體系，有助于國家安全政策制定、反恐戰(zhàn)爭、國土防護和災害應急等事件的及時響應。２０２３ 年，美國國家地理空間情報局（ＮａｔｉｏｎａｌＧｅｏｓｐａｔｉａｌ-Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｇｅｎｃｙ，ＮＧＡ）、美國國家偵察局（Ｎａｔｉｏｎａｌ Ｒｅｃｏｎｎａｉｓｓａｎｃｅ Ｏｆｆｉｃｅ，ＮＲＯ）和美國太空司令部（Ｕ． Ｓ． Ｓｐａｃｅ Ｃｏｍｍａｎｄ，ＵＳＳＰＡＣＥＣＯＭ）聯(lián)手簽署《商業(yè)太空保護三部門戰(zhàn)略框架》，意在保護其商業(yè)遙感衛(wèi)星資源，彰顯了美國國家層面對商業(yè)衛(wèi)星圖像價值的認可。隨著全球商業(yè)衛(wèi)星產(chǎn)業(yè)的迅猛發(fā)展，全球各國也更加注重遙感大數(shù)據(jù)對國家安全、民計民生的影響與相關關鍵技術的掌握。

時空大數(shù)據(jù)指大數(shù)據(jù)與地理時空數(shù)據(jù)的融合，即以地球為對象、基于統(tǒng)一時空基準，活動于時空中與位置直接或間接相關聯(lián)的大數(shù)據(jù)［１］。而通過無人機傳感器、衛(wèi)星、臨近空間、飛艇和地面等傳感手段獲取的時空大數(shù)據(jù)即為遙感大數(shù)據(jù)。隨著對地觀測技術、物聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)等技術的飛速發(fā)展，遙感大數(shù)據(jù)的獲取手段日益豐富，推動了人類活動空間從陸地向海洋、空中和外層空間的不斷拓展，世界各國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，全球對地觀測衛(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，空中的有人飛機和無人機近萬架，地面移動測量系統(tǒng)和智能駕駛車超過上百萬輛（光學和激光雷達），各種海上移動測量系統(tǒng)攜載光學、激光雷達和聲納等傳感器收集信息；城市內的各種智能傳感器形成互聯(lián)互通之勢，僅中國的視頻頭就超過２ ０００多萬，智能手機與智能手表超１０億多個。

習近平總書記向首屆北斗規(guī)模應用國際峰會致賀信中指出：時空信息、定位導航服務成為重要的新型基礎設施。據(jù)《中國地理信息產(chǎn)業(yè)發(fā)展報告（２０２３）》顯示，２０２２年中國地理信息產(chǎn)業(yè)分析總產(chǎn)值達７ ７８７億元，近５年復合增長率為８．５％ ，近１０年復合增長率為１４． ６％ ，中國地理信息產(chǎn)業(yè)規(guī)模正在持續(xù)壯大。另一方面，遙感信息作為國家重要的戰(zhàn)略資源，將對獲取制空權、制海權、制天權和制信息權，打贏高技術戰(zhàn)爭和處理海洋權益爭端提供重要支撐。當前，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］眾多領域應用與服務的基礎，遙感信息技術已然成為衡量國家競爭力的關鍵標志之一。

基于此，本文將圍繞遙感大數(shù)據(jù)，對其獲取手段與發(fā)展現(xiàn)狀進行簡要介紹，并圍繞地理環(huán)境構建與目標保障，對衛(wèi)星遙感全球高精度定位與測圖、重點地區(qū)空天遙感三維地理環(huán)境構建、遙感影像全要素解譯，以及遙感目標檢索、定位、檢測和變化檢測等技術展開探討。針對不同場景下的目標需求，還將對遙感大數(shù)據(jù)在突發(fā)事件應急響應、遙感自然災害監(jiān)測與評估等典型案例中的實踐與應用進行探索，并做簡要梳理。最后，將結合未來發(fā)展戰(zhàn)略背景，對遙感大數(shù)據(jù)的應用前景進行總結與展望。

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與協(xié)同服務，為空天地一體化對地觀測傳感網(wǎng)的構建提供了硬件基礎。在新型作戰(zhàn)場景的引導與信息支援需求下，遙感衛(wèi)星正朝著高空間分辨率（亞米級）、高光譜分辨率（數(shù)百個波段）和高時間分辨率（全球重訪周期１ ～ ２０ ｄ）的方向大力發(fā)展，民用商用對地觀測衛(wèi)星領域逐漸精細化、星座化、體系化。

空天方面，對地觀測衛(wèi)星正逐漸由單一傳感器轉向光學、雷達和高光譜等多傳感器聯(lián)合，由低分辨率轉向高中低分辨率結合的全方位、全天時、立體化的對地觀測體系。作為目前最為有效、最為安全，同時又是最可靠的偵察手段［５］，國防軍事、政府部門對于高分辨率遙感衛(wèi)星圖像的需求日益擴大，以美國、法國為代表的西方航天大國通過積極的政策導向和資金扶持，迅速開展了高性能遙感衛(wèi)星的研制和商業(yè)化運營，形成了政府監(jiān)督管理引導、企業(yè)自主運營的良性循環(huán)的商業(yè)模式。美國太空探索技術公司推出的專門為政府服務的“星盾”衛(wèi)星項目，在俄烏沖突中發(fā)揮了巨大作用，將傳統(tǒng)互聯(lián)網(wǎng)服務與衛(wèi)星通信、衛(wèi)星成像和遙感等服務相結合，是信息戰(zhàn)中強有力的支持，代表了“星鏈”向軍事化應用邁出關鍵一步。

國內高分辨率對地觀測專項工程的實施，全面提升了我國自主高分辨率衛(wèi)星觀測數(shù)據(jù)的獲取與利用能力。２０２３ 年上半年，我國成功發(fā)射了１００ 余顆遙感衛(wèi)星，創(chuàng)造“一箭４１ 星”的記錄，成功運送長光衛(wèi)星研制的“吉林一號”高分０６Ａ系列衛(wèi)星、“吉林一號”高分０３Ｄ１９－２６ 星、“吉林一號”平臺０２Ａ０１ －０２星及“霍爾果斯一號”“哈測農(nóng)遙一號”等衛(wèi)星，為衛(wèi)星星座組網(wǎng)打下基礎。東方慧眼衛(wèi)星星座打造四期工程，從示范、區(qū)域服務系統(tǒng)再到全國、全球服務系統(tǒng)構建，最終實現(xiàn)目標看得快、看得清、看得準、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０１ 星）和全球首顆Ｋａ 頻段高分辨率合成孔徑雷達（Ｓｙｎｔｈｅｔｉｃ ＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）衛(wèi)星（珞珈二號０１星）等在內的多顆珞珈系列衛(wèi)星，如圖１ 所示。

低空層面，無人機群依靠在數(shù)量、協(xié)同與情報和速度等方面的優(yōu)勢，成為當前情報信息作戰(zhàn)的發(fā)展關注熱點。無人機蜂群功能各異、種類繁多，但大致劃分為投放準備、發(fā)射集結、編隊飛行和遂行任務４ 個階段，其實質是將高價值、高性能的空中作戰(zhàn)系統(tǒng)分解成數(shù)量龐大的小型、低成本無人機作戰(zhàn)系統(tǒng)，通過信息網(wǎng)絡技術和人工智能技術，使這些無人機作戰(zhàn)平臺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。在ＡＩ 和大數(shù)據(jù)的加持下，未來的無人機蜂群將擁有高度自主控制、決策和機器學習能力，具備完成戰(zhàn)場態(tài)勢的自主分析、作戰(zhàn)任務的自主規(guī)劃、自動化的指揮控制及集群智能的能力。

地面遙感探測系統(tǒng)的數(shù)據(jù)采集和探測方式成本較低，且易于實現(xiàn)，可根據(jù)任務需求搭配不同類型的傳感設備，包括機器人、攝像頭和無人偵察車等。先進的偵察設備將與精確地面導航系統(tǒng)、先進通信系統(tǒng)進行連接，將數(shù)據(jù)實時傳送給鄰近的指揮系統(tǒng)或上級指揮機構，從而實現(xiàn)重要數(shù)據(jù)和信息交換，為決策的制定提供技術支撐。

迄今為止，遙感大數(shù)據(jù)的獲取手段、數(shù)據(jù)類型及增長速度已經(jīng)超過了以往任何一個時期，遙感飛速發(fā)展使得動態(tài)高精度監(jiān)測成為可能。遙感時空智能技術形成由少到多、由靜到動、由單一到聯(lián)合的多傳感器、多分辨率、多時相及多要素的空天地聯(lián)合趨勢，實現(xiàn)從靜態(tài)感知到動態(tài)智能、從實景三維到數(shù)字孿生、從對地觀測到對人／ 深空觀測、從單項處理到通導遙一體的多方位聯(lián)合發(fā)展。

２ 遙感大數(shù)據(jù)地理環(huán)境構建技術

２． １ 衛(wèi)星遙感全球高精度定位與測圖

經(jīng)過本世紀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題，如影像依賴進口、全球戰(zhàn)略無法自護可控、國家安全不能精確保障。針對高分辨率衛(wèi)星遙感幾何定位的共性基礎問題，武漢大學提出了高分辨率衛(wèi)星影像成像與處理模型，解決了國產(chǎn)衛(wèi)星高精度影像產(chǎn)品生產(chǎn)難題，用于近１０ 年所有光學遙感衛(wèi)星（共４０ 余顆），實現(xiàn)從有到好，從進口到出口的跨越；面對國產(chǎn)衛(wèi)星境外無地面控制點高精度測圖難題，提出大區(qū)域影像無地面控制點米級定位方法，并用于全球測圖和國家重大工程；星地協(xié)同在軌高精度實時定位與處理方法［６］的提出，解決了時敏目標衛(wèi)星遙感定位信息分鐘級實時服務難題，并應用于首型裝備，取得了突破性進展。

衛(wèi)星遙感定位制圖的飛速發(fā)展，在地表地形的全國／ 全球制圖中也取得了不錯的效果。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 分辨率高分三號精細條帶ＩＩ 無控制點制作而成的全球高分三號１０ ｍ 影像一張圖，中國區(qū)域絕對幾何精度優(yōu)于８． ０１ ｍ。由每平方千米１ ０００ 個點，共１００ 億個點構成的全國地表形變一張圖，采用千尋分布全國的２ ０００ 多個連續(xù)運行衛(wèi)星定位服務系統(tǒng)站點驗證，精度優(yōu)于４． ８２ 毫米／ 年。

除此之外，長時序中高分辨率遙感影像也是監(jiān)測城市和自然資源變化的重要手段，對人類可持續(xù)發(fā)展具有重要意義。馬里蘭大學聯(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３０ ｍ 分辨率覆蓋全球的專題地圖產(chǎn)品，吸引了學界和公眾的廣泛關注。ＧＥＥ 的出現(xiàn)使得全球制圖效率大大提高，將１０ ０００ 臺計算機上使用１００ 萬個ＣＰＵ 并行處理共２ 千萬像素Ｌａｎｄｓａｔ 數(shù)據(jù)（相當于一臺計算機１５ 年的工作量）的工作時間縮短為幾天，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重點地區(qū)空天遙感三維地理環(huán)境構建

２． ２． １ 高分辨率衛(wèi)星三維測圖

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，可對特定區(qū)域多次全方位觀測，快速、準確、大范圍獲取地形數(shù)據(jù)，實現(xiàn)多模態(tài)智能遙感衛(wèi)星成像［１１］。圖２ 是通過珞珈三號０１星對武漢大學、西藏日喀則進行全方位觀測后快速生成的立體三維模型。作為新型基礎測繪的標準化產(chǎn)品，高分辨率衛(wèi)星三維測圖是實現(xiàn)全要素數(shù)字化表達，推進數(shù)字城市改革的重要空間信息基礎設施，在實時救援、城市規(guī)劃和毀傷檢測［１２］等多個領域提供了真實展現(xiàn)和直觀可視化工具，為分析和決策的準確度提高提供了支撐與幫助。

２． ２． ２無人機傾斜影像三維場景構建

無人機傾斜影像具備精度高、多角度、可視化、自動化的數(shù)據(jù)采集優(yōu)勢，在構建與生成高精度、高分辨率的三維地形模型［１３－１４］方面相對成熟。針對多源異構數(shù)據(jù)集成與融合面臨的數(shù)據(jù)格式、坐標系統(tǒng)和時間同步問題，空地一體多源異構數(shù)據(jù)場景三維能夠克服傾斜攝影測量的局限性，通過多源影像的匯聚、定向和單體化建模等方法，最終實現(xiàn)空地結合的三維建模，如圖３ 所示。

２． ２． ３ 無人機蜂群全自動場景建模

無人機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)，模型精度可達毫米級。針對人工控制無人機貼近攝影費時、效率低下的問題，提出三階段式旋翼無人機集群路徑規(guī)劃框架方法［１５］，通過設計重構性估計數(shù)學模型，確定重點觀測位置；為多無人機求解最優(yōu)任務序列，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性貢獻，為無人機集群規(guī)劃出低能耗的連續(xù)軌跡。圖４ 是對橋梁、建筑物等目標進行無人機蜂群全自動精細建模前后對比，后者在質感、精細程度上都遠勝前者。

２． ３基于自進化的遙感解譯平臺的遙感影像全要素解譯

當前遙感解譯逐漸向實時、大尺度和長時間序列等方向發(fā)展，而傳統(tǒng)的桌面端遙感解譯平臺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。各國學術界、產(chǎn)業(yè)界瞄準這一問題，開發(fā)出了多種面向遙感大數(shù)據(jù)、云計算與人工智能相結合的遙感智能解譯云平臺。例如美國的ＧＥＥ、Ｄｅｓｃａｒｔｅｓ Ｌａｂｓ，澳大利亞的Ｄａｔａ Ｃｕｂｅ，德國的ＣＯＤＥＤＥ，以及我國的ＥａｒｔｈＤａｔａＭｉｎｅｒ、ＰＩＥＥｎｇｉｎｅ、ＡＩＥａｒｔｈ、ＳｅｎｓｅＥａｒｔｈ 等，如表１ 所示。

盡管已有的云平臺在數(shù)據(jù)資源、計算資源和運行效率上為用戶提供了便利，但在開放程度、樣本庫的規(guī)范化組織、模型庫的動態(tài)更新方面不夠完善。因此，本文針對這些問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，搭建了可自進化的高分遙感影像智能解譯云平臺，完成了影像管理、遙感樣本庫管理及進化、多種智能解譯模型庫管理及優(yōu)化、遙感解譯模型的訓練與并行推理等工作；以高分辨率遙感智能解譯云平臺及其所含樣本庫、模型庫及豐富的計算資源為基礎開展的高分辨率遙感全要素測圖和智能解譯研究，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態(tài)監(jiān)測等模型研究中均取得了較好的效果，并在具體業(yè)務部門得到了應用，解譯效果如圖５ 和圖６ 所示。

３遙感目標保障技術

隨著全球高分辨率對地觀測系統(tǒng)的不斷完善，多源遙感數(shù)據(jù)的數(shù)量、傳輸速度和復雜程度隨之急速增長，準確、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)圍繞遙感目標保障中關鍵技術，從目標檢測、定位、跟蹤、動態(tài)變化等需求出發(fā)，最終實現(xiàn)遙感目標的四步走———“找目標、定的準、跟得住、找變化”。

３． １遙感目標檢索

針對遙感大數(shù)據(jù)面臨“查不準、防不住”的挑戰(zhàn)，武漢大學提出了基于深度級聯(lián)降維網(wǎng)絡學習的遙感影像目標智能檢索方法，實現(xiàn)了海量遙感影像３０ 余類目標的自動檢測［１８－１９］，準確性優(yōu)于國際主流方法，并在國家地理信息公共服務平臺“天地圖”上進行部署，支持國內２００個城市的高分辨率遙感圖像檢索。如圖７ 所示，通過基于深度學習的內容描述與語義建模，該系統(tǒng)實現(xiàn)了秒級響應時間，并確保目標檢測的準確性，所需即所得，同時提供文字、語義和圖像等多種檢索方式。

３． ２ 遙感目標高精度定位

遙感目標高精度定位包括陸上和海上目標的高精定位，由于陸上目標及其周圍環(huán)境往往特征明顯、紋理清晰，定位難度相比于海上目標定位較低。而海上天基傳感器誤差特性復雜、源數(shù)據(jù)定位精度差，目標高精度定位困難。傳統(tǒng)經(jīng)典精確定位方法會造成海面控制信息缺失、影像紋理信息匱乏等問題。針對大傾角、小視場角影像的特點，對傳統(tǒng)航空影像平差技術的適用性問題進行分析，提出雙點定位算法。該算法避免了慣性測量單元角度對定位精度的嚴重影響，實現(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°無人機航拍圖像的匹配結果，實現(xiàn)序列圖像幀間匹配誤差不大于１ ｐｉｘｅｌ。

目前主流的無人機衛(wèi)星大傾角圖像匹配方法分為特征驅動的匹配方法、數(shù)據(jù)驅動的匹配方法和先驗信息輔助的匹配方法。本文總結了各類無人機衛(wèi)星大傾角圖像匹配方法類型、代表文獻及特點，如表２ 所示。其中，特征驅動的匹配方法主要靠直覺和研究者的專業(yè)知識驅動；數(shù)據(jù)驅動的匹配方法主要依靠大量數(shù)據(jù)來學習建立及優(yōu)化匹配模型；先驗信息輔助的匹配方法主要借助先驗信息引導與驗證圖像匹配。與數(shù)據(jù)驅動的匹配方法相比，基于特征的匹配方法在性能方面相對較差，適用于處理訓練數(shù)據(jù)和測試數(shù)據(jù)為同一場景的圖像，大多針對某一難點或某一應用而設計，很難設計出普適性很強的描述符，而優(yōu)點是不需要數(shù)據(jù)或者只需少量數(shù)據(jù)，計算時間較快；數(shù)據(jù)驅動的匹配方法性能更高，主要通過學習數(shù)據(jù)中的多樣性，適用于不同的數(shù)據(jù)集和應用，但該方法參數(shù)的選擇可能需要端到端的梯度下降法進行訓練，需要大量的訓練數(shù)據(jù)來保證其魯棒性，計算成本相對較大；先驗信息輔助的匹配方法更像是另外２ 種方法的擴展，在先驗信息輔助的基礎上有效結合其他匹配方法的優(yōu)勢，從而進一步加強精化方法的匹配能力，使其應用于無人機衛(wèi)星大傾角圖像匹配的各種場景，該方法擴展性強，但極度依賴先驗信息的有效性和準確性。

在基于任意圖片的目標定位中，需要對圖片場景分類并采用不同的技術手段。研制的場景圖片位置估計與幾何位置解算系統(tǒng)，通過目標識別、圖像匹配等［３０－３１］技術手段，對場景照片進行三維仿真渲染、幾何定位，最終確定目標地理位置。圖９ 和圖１０分別以山區(qū)與谷歌街景圖像為例，通過解算系統(tǒng)，對二者的地理信息、目標特征進行提取與幾何位置解算，最終確定了它們分別來自瑞士山區(qū)與香港城區(qū)。

３． ３遙感目標檢測與跟蹤

近年來，目標檢測技術在無人機影像、衛(wèi)星影像及視頻的應用中取得了顯著進展。當前的研究趨勢主要集中在提升檢測精度與效率、處理復雜場景的能力以及優(yōu)化模型的實時性方面。當前的目標檢測模型通過引入先進的特征金字塔、多檢測頭策略以及混合注意力機制，顯著提高了目標檢測的性能。本文總結了近年來遙感目標檢測與跟蹤領域的代表性方法及其特點，如表３所示。

此外，在衛(wèi)星視頻跟蹤任務中，多任務學習和圖信息推理的應用，如Ｍｕｌｔｉ-ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ ｉｎ Ｓａｔｅｌｌｉｔｅ Ｖｉｄｅｏｓｗｉｔｈ Ｇｒａｐｈ-ｂａｓｅｄ Ｍｕｌｔｉ-ｔａｓｋ Ｍｏｄｅｌｉｎｇ （ＴＧｒａＭ）［３７］，通過將多目標跟蹤建模為圖信息推理過程，提高了實時推理能力，但在復雜和密集目標的持續(xù)跟蹤方面仍面臨挑戰(zhàn)。Ｍｕｌｔｉ-ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ Ｍｅｔｈｏｄ （ＭＣＴｒａｃｋ-ｅｒ）［３８］通過幀間運動相關性和多尺度特征增強，提高了在密集小目標和模糊環(huán)境下的跟蹤性能，但對高度相似的小目標的檢測和跟蹤仍存在問題。以下介紹遙感目標檢測與跟蹤領域的實際場景應用。

３.３.１ 遙感目標解譯與識別

空基大傾角影像拍攝角度差異大，導致目標形態(tài)差異較大，樣本非常少，目標檢測困難。對此，提出了一種基于正負樣本均衡的大傾角影像目標檢測算法［３９］，可以自適應進行特征選擇，解決同類目標特征不統(tǒng)一的問題，同時引入領域知識，在樣本有限的情況下，提升目標檢測精度。圖１１對俄烏沖突中的一些典型目標進行檢測，共檢測到１ ７５４ 個目標，其中，正確檢測目標１４９１ 個，誤檢目標２６３個，準確率達到８５％ 。

針對國產(chǎn)高分辨率遙感影像，通過“線下訓練－線上學習”目標檢測方法，對機場飛機型號進行檢測，如圖１２ 所示，檢測精度提升１０％ 以上。

３.３.２衛(wèi)星視頻地面目標檢測與跟蹤

在衛(wèi)星視頻地面目標檢測與跟蹤研究中，武漢大學對視頻衛(wèi)星在軌快速處理模式進行創(chuàng)新，提出自適應分割和差分軌跡累積的視頻運動目標實時檢測跟蹤方法，研制了國際首個亞米級彩色視頻衛(wèi)星在軌處理系統(tǒng)，實現(xiàn)星載視頻傳輸半小時到在軌一體化處理傳輸分鐘級的躍升，如圖１３所示。

３.３.３ 無人機視頻地面目標檢測與跟蹤

針對無人機數(shù)據(jù)量大、信息獲取延時，無法完成數(shù)據(jù)傳輸?shù)葐栴}，提出了一種基于輕量級深度卷積神經(jīng)網(wǎng)絡的目標識別方法，實現(xiàn)了飛機、油罐等目標識別和機載目標自主跟蹤。如圖１４ 所示，針對無人機視頻中飛機、車輛等目標的檢測，該算法實現(xiàn)了９０％ 以上的準確率，識別速度較快，在ＧＰＵ 上檢測效率達到６ 幀／ 秒，ＣＰＵ 上為５ ｓ 左右。

此外，針對無人機遙感數(shù)據(jù)受光照、拍攝角度等因素而造成的幾何位置不對應，像素級結果破碎、零散，目標變化信息不連續(xù)等問題，提出了目標影像凸面模型，可適用于實時變化發(fā)現(xiàn)和復雜的目標要素提取與跟蹤。首次提出的“邊飛行－邊傳輸－邊處理－邊服務”無人機遙感數(shù)據(jù)實時智能服務模式，實現(xiàn)了機載在線實時定位、目標檢測與跟蹤，如圖１５所示。

結合以上研究與實際場景應用，未來的目標檢測與跟蹤研究重點將關注以下幾個方面：① 進一步提升模型在復雜和極端場景下的檢測能力和實時性。例如，衛(wèi)星在軌智能圖像實時目標檢測。② 結合高分辨率圖像和多模態(tài)數(shù)據(jù)，以應對多尺度、多方向的目標檢測挑戰(zhàn)。③ 隨著大量數(shù)據(jù)集的存儲，如何有效利用大規(guī)模遙感數(shù)據(jù)和地理知識進行模型訓練和優(yōu)化，將成為關鍵的研究方向。

３． ４遙感變化檢測

當前變化檢測技術的發(fā)展經(jīng)歷了從傳統(tǒng)方法到基于深度學習和視覺大模型的先進方法的轉變，體現(xiàn)了技術的不斷進步和應用需求的變化。傳統(tǒng)方法主要依賴于圖像對象分割和光譜特征分析，通過定義不變參考對象和利用概率閾值識別變化區(qū)域。這些方法在實際應用中表現(xiàn)出色，但由于對對象分割算法的高度依賴和對語義信息的缺乏考慮，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性不足。基于機器學習的變化檢測算法，如支持向量機、決策樹和人工神經(jīng)網(wǎng)絡，通過學習數(shù)據(jù)中的特征和分類規(guī)則進行變化檢測，這些方法在特征提取和分類方面具有優(yōu)勢，但處理大規(guī)模數(shù)據(jù)集時計算效率可能成為瓶頸，且樣本分布不均衡的問題可能影響模型性能。隨著深度學習技術的發(fā)展，基于深度學習的算法通過神經(jīng)網(wǎng)絡自動提取復雜特征，利用注意力機制和多尺度特征融合顯著提升了變化檢測的精度和魯棒性。然而，這些方法通常需要大量計算資源和數(shù)據(jù)進行訓練，模型優(yōu)化和訓練過程較為復雜。近年來，基于視覺大模型的算法進一步推動了變化檢測技術的發(fā)展，通過優(yōu)化模型設計和減少計算資源需求，同時保持高檢測精度和實時性能，使其在資源受限環(huán)境下也能高效運行。本文總結了各類遙感變化檢測方法的類型、代表文獻及特點，如表４ 所示。

遙感變化檢測現(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，缺乏對語義信息高級特征的定量描述，對時間序列遙感數(shù)據(jù)中多維度特征利用不足。基于此，以時序無人機遙感數(shù)據(jù)為基礎，提出了一種“時－空－譜”一體化處理的全自動三維變化信息提取方法，實現(xiàn)了建筑物、道路等人工目標三維變化信息高精度、零漏檢提取［５２］，如圖１６ 所示。該方法更加關注聯(lián)合目標多維特征和語義信息進行時序關聯(lián)分析，充分挖掘了時序數(shù)據(jù)中目標深層次變化與規(guī)律。

總體而言，變化檢測技術正在從手工特征提取向自動化和高效處理的方向發(fā)展，雖然每種方法在不同應用場景中展現(xiàn)出獨特優(yōu)勢，但也各自存在一定局限性。隨著技術的不斷進步，變化檢測方法的適應性和準確性有望得到進一步提升。

４遙感大數(shù)據(jù)典型應用

４.１突發(fā)事件應急響應

突發(fā)事件具有區(qū)域性、突發(fā)性、過程性和頻發(fā)性的特點，應急保障要求全周期、全方位、高動態(tài)、準實時，既要對突發(fā)事件進行快速應急響應和果斷處置，又要充分利用社會各種資源，對整個地區(qū)全方位立體管控和調度指揮，應急通信、指揮調度、地圖綜合運用和區(qū)域治安巡查等多項需求迫切。在此基礎上，構建了天空地傳感器數(shù)據(jù)直接支持無人區(qū)應急應用體系，首次在無人區(qū)集成衛(wèi)星、飛艇、無人機和地面終端等多種手段聯(lián)合進行一體化觀測、處理及應急應用，如圖１７ 所示，解決了“最后１ 公里”問題，大幅提升無人區(qū)應急處置能力，填補了天空地遙感協(xié)同監(jiān)測無人區(qū)應急處置的空白。

４． ２遙感自然災害監(jiān)測與評估

自然災害救援現(xiàn)場復雜、危險性高，而遙感影像具有獲取范圍廣、速度快、周期短等特點，在防災減災業(yè)務中占據(jù)重要地位。針對傳統(tǒng)人工監(jiān)測存在盲區(qū)、周期長、依賴地面設備等問題［５３］，武漢大學聯(lián)合國家減災中心等單位研制了我國首套業(yè)務化運行的遙感自然災害監(jiān)測評估成套軟硬件裝備，部分核心指標優(yōu)于國際主流裝備，獲２０１７ 年測繪科技進步一等獎、２０１２年國家科技進步二等獎。該裝備將災損信息提取時間從小時級提升到分鐘級，災害綜合評估時間從３個月提升到兩周級，如圖１８ 所示，目前已部署在應急管理部國家減災中心、多個省市減災應用部門實現(xiàn)業(yè)務化運行，支撐了從２０１２年以來我國１００ 余次重大自然災害應急工作，推動了我國遙感自然災害應急監(jiān)測與評估從理論研究到業(yè)務實戰(zhàn)的跨越。

５結束語

地理環(huán)境構建與目標保障作為遙感大數(shù)據(jù)實踐應用中的重要一環(huán)，在災害應急、重大安保和國土防護等各個領域發(fā)揮著不可忽視的作用。天空地立體監(jiān)測網(wǎng)、地理環(huán)境高精度時空信息圖和遙感智能解譯云平臺等關鍵技術在多個領域發(fā)揮了作用，呈現(xiàn)出大范圍、實時化、精細化、可信度高、挖掘度深、智能性強等特點。

遙感大數(shù)據(jù)的獲取、分析與應用由地表到地下、從室內到室外，拓展至全空間；觀測對象從對地觀測，拓展至對人觀測、對深度探測；觀測粒度從區(qū)域到全球，從宏觀到精細。在新一輪遙感大數(shù)據(jù)競爭中，實時精準地獲得目標區(qū)域的目標動向信息和整體態(tài)勢信息將成為信息戰(zhàn)場上的主要目標與發(fā)展道路。在對遙感大數(shù)據(jù)的處理中，更加實時、精準、智能的數(shù)據(jù)處理和分析與更為協(xié)同、主動、按需的信息服務也將成為未來發(fā)展的重要方向；事件發(fā)生的時空推演不再拘泥于片面的、獨立的預測方式，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。

作者簡介

眭海剛 男，（１９７３—），博士，二級教授。主要研究方向：實時遙感智能解譯、時空大數(shù)據(jù)分析、無人自主感知。

（*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：視頻圖像目標檢測。