遥感大数据认知与计算-第1讲.pdf

“遥感智能计算与信息提取”课程三（第1讲） 骆剑承 研究员 中国科学院遥感与数字地球研究所 2017/12/8 • 国科大 ※遥感信息提取的发展历程 小数据 ※遥感影像分割分类与识别 时 代 ※地理时空大数据计算理论 大数据 ※高分遥感大数据图谱认知 时 代 ※机器学习与智能信息处理 人工智能 ※深度学习与分层感知模型 时 代 ※时空协同与多粒度决策器 AI ※遥感大数据应用服务模式 遥感 第1讲内容 1 2 3 4 5 6 1、遥感信息提取的概念 1.1 遥感信息提取：基本概念 地理要素 相互作用 空间分布 时间演化 综合体 地理对象 属性特征 过程模拟 地理格局 地理空间 形态/结构 类型/指标 变化更新 规则/机理 影像空间 遥感影像 影像空间与地理空间之间的映射关系 1.1 遥感信息提取：基本概念 影像空间地理要素的基本特征： ✓ 形态 （基本单元 ）：像元 （像素 ）— 对象/图 斑 — 地理实体 （地块/ 目标）； ✓ 类型 ：基元的利用类型、覆盖 （材质 ）类型 ； ✓ 结构 ：基元空间相互作用 — 空间密度 — 拓扑 网络关系 ； ✓ 指标 ：地表覆盖生物与物理特征量 （地表反照率、地表粗糙度、植物叶面积指数 等 ）；生长季节累积生物量；植被冠层密度、生长季节的动态特征；异常生长模式 （灾害影响 ）； ✓ 规则 ：融入自然与人文静态要素 （地形地貌、水文气候条件、土壤理化性质以及社 会经济发展状况等 ），挖掘相关联的规则集 ，开展功能类型的评价与规划 ； ✓ 机理 ：融入动态观测信息 ，构建分布式时空解析模型 ，模拟地表场景上的事件发生 机制 ，并预测、预警未来演化趋势。 1.1 遥感信息提取：基本概念 遥感信息提取: 遥感成像的逆过程 ，是对地表实况的模拟影像中提取地理 要素、反演演化机理的过程。根据应用目标的需求 ，综合运用解译标志 （感 知 ）、物理模型 （反演 ）和经验知识 （推测 ），定性、定量相结合地提取空 间位置、形态结构、利用属性、生物/物理量、过程模式等相关信息。 ① 定量反演 （指标-机理 ）：是指通过实验方法或物理 （统计 ）模型将遥感观测与目标 参量相对应 ，将遥感数据定量地反演或推算为地学、生物学及大气等环境信息参量。其中 ，实 现全球和区域生态环境演变定量监测、分析与预测、模拟是定量遥感主要的研究方向； ② 土地分类 （形态-类型 ）：主要面向中尺度 （10米级分辨率 ）土地利用/土地覆盖变化 （LUCC ）调查问题 ，将遥感图像中各个单元根据其在不同波段光谱特征、空间特征或者辅助信 息 ，按照某种规则或算法划分不同类别的过程 ，最简单分类是利用像素光谱亮度值的统计模型 进行划分 ，此外还可进一步考虑空间、时间等多特征 （如纹理、形态、关系、方向性等 ），对 空间单元进行分类； ③ 目标识别