遥感大数据时代与智能信息提取

被引:101
作者
张兵 [1 ,2 ]
机构
[1] 中国科学院遥感与数字地球研究所
[2] 中国科学院大学
关键词
遥感; 大数据; 深度学习; 智能信息提取; 神经网络;
D O I
10.13203/j.whugis20180172
中图分类号
P237 [测绘遥感技术];
学科分类号
1404 ;
摘要
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。
引用
收藏
页码:1861 / 1871
页数:11
相关论文
共 32 条
  • [1] 当代遥感科技发展的现状与未来展望
    张兵
    [J]. 中国科学院院刊, 2017, 32 (07) : 774 - 784
  • [2] 城市黑臭水体遥感监测与筛查研究进展[J]. 申茜,朱利,曹红业.应用生态学报. 2017(10)
  • [3] 基于多纹理和支持向量机的ZY-1 02C星HR数据分类
    李粉玲
    常庆瑞
    刘佳岐
    刘京
    [J]. 武汉大学学报(信息科学版), 2016, 41 (04) : 455 - 461+486
  • [4] 我国高分辨率对地观测系统的商业化运营势在必行
    李德仁
    沈欣
    马洪超
    张过
    [J]. 武汉大学学报(信息科学版) , 2014, (04) : 386 - 389+434
  • [5] 智能遥感卫星系统
    张兵
    [J]. 遥感学报, 2011, 15 (03) : 415 - 431
  • [6] 定量遥感的发展与创新
    李小文
    [J]. 河南大学学报(自然科学版), 2005, (04) : 49 - 56
  • [7] 先验知识在遥感反演中的作用
    李小文
    王锦地
    胡宝新
    A.H.Strahler
    [J]. 中国科学(D辑:地球科学), 1998, (01) : 67 - 72
  • [8] Deformable ConvNet with Aspect Ratio Constrained NMS for Object Detection in Remote Sensing Imagery
    Xu, Zhaozhuo
    Xu, Xin
    Wang, Lei
    Yang, Rui
    Pu, Fangling
    [J]. REMOTE SENSING, 2017, 9 (12)
  • [9] SCOPE-Based Emulators for Fast Generation of Synthetic Canopy Reflectance and Sun-Induced Fluorescence Spectra
    Verrelst, Jochem
    Rivera Caicedo, Juan Pablo
    Munoz-Mari, Jordi
    Camps-Valls, Gustau
    Moreno, Jose
    [J]. REMOTE SENSING, 2017, 9 (09)
  • [10] BASS Net: Band-Adaptive Spectral-Spatial Feature Learning Neural Network for Hyperspectral Image Classification
    Santara, Anirban
    Mani, Kaustubh
    Hatwar, Pranoot
    Singh, Ankit
    Garg, Ankur
    Padia, Kirti
    Mitra, Pabitra
    [J]. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 2017, 55 (09): : 5293 - 5301