光学遥感信息技术与应用研究综述

光学遥感图像在大气校正、图像分类、目标探测、混合像元分解以及参数反演等技术方面已经取得了很大发展。近年来，随着遥感卫星种类和数量的不断增加，基于光学遥感图像的多源数据融合技术越来越被大家所重视。通过更加全面、精准的地物遥感时、空、谱信息综合分析将大大提高人们定量化、高精度和高效能理解地球系统的能力。

2.光学遥感应用技术

目前，全球城市人口占比约为54%，庞大的城市人口数量和城市环境动态监测的应用需求拉动了光学遥感技术在城市基础设施建设、城市时空变化分析、城市环境保护等方面的应用拓展。利用高分辨率光学遥感数据提供的地表形状等空间细节信息和地物光谱信息，结合面向对象的分类和变化检测方法，可以获得详细的城市地表覆盖数据，并转化为城市地理信息的及时更新，服务于智慧城市建设。利用遥感监测技术开展城市热岛、水质、大气等环境问题的研究，将进一步促进城市科学、健康、持久地发展。

十九大报告中指出要加快生态文明体制改革，建设美丽中国。遥感技术以其大尺度、重复观测的特点，在区域生态环境监测中发挥着重要作用，能够为大气环境、土地荒漠化、水环境监测等领域研究提供大尺度、长时序的相关信息，并且为生态系统脆弱性评价、生态修复、濒危物种的保护等提供有效的数据支持。随着我国高分辨率对地观测系统和空间基础设施建设的推进，遥感技术将在美丽中国建设中发挥重要作用。

光学遥感数据在全国土地调查中始终扮演着十分重要的角色，是掌握基本地理国情的重要途径。目前，基于NOAA /AVHRR、MODIS、Landsat等不同空间分辨率的全球土地覆盖产品已达到10余种。然而，高分辨率的大尺度土地覆盖制图依然面临诸多挑战，多源数据融合、分类方法自动化以及产品精度的提高与验证仍亟待深入研究。近年来，深度学习在光学图像分类中的应用，为大尺度高分辨率土地覆盖自动分类提供了新的思路。

农业与林业是光学遥感技术较早投入应用并且取得显著成效的领域。随着高分系列卫星的发射，国产高空间、高光谱、高时间分辨率的遥感数据将长期服务于作物长势监测、产量估计、自然灾害监测、林业资源调查、树种识别等诸多农林应用领域，加快精准农业与精准林业的实现。近年来，微小型无人机光学遥感平台的快速发展，为精准农林、智慧农林的研究提供了一种灵活快捷的遥感数据获取手段。

20世纪80年代的黄金找矿热潮促进了我国高光谱遥感的发展。通过对矿物元素的诊断性光谱特征进行分析，能够实现矿物类型精确识别以及成分丰度填图，尤其是短波红外遥感数据可用于提取蚀变带、线性构造、环形构造等地质信息，为矿床的发现提供靶区。此外，光学遥感也在矿山开发工程监管、矿区环境保护等方面有着广泛应用前景。

光学遥感在发展之初就被作为一种重要的军事侦察手段，在国防领域发挥了重要作用。基于高空间分辨率图像的自动/半自动目标识别算法，能够有效识别具备明显几何结构特征的军事目标，如作战车辆、机场跑道、船舶等。随着深度学习算法的发展，目标识别速度和精度得到了进一步提高。此外，高光谱遥感技术的诊断性光谱特征，特别适用于军事伪装侦察和小目标自动识别，有效提高了军事打击的精确性和时效性。近年来，地球同步轨道遥感卫星、高分辨率遥感卫星星座、视频卫星等技术的发展，促进了基于高时相遥感图像的移动目标自动识别技术的研究，基于我国高分四号(GF-4)静止轨道光学图像的移动船只识别，取得了良好的效果。

3.总结与展望

近年来，随着遥感数据获取技术的不断发展，光学遥感图像的空间、光谱与时间分辨率不断提高，遥感卫星数量呈爆发式增长。遥感技术与大数据的结合也将大大促进光学遥感图像处理与信息提取效能，以实现光学遥感快速、准确、高效应用发展的目标。

应用需求是推动遥感科技不断发展的驱动力，当前大多数光学遥感卫星所采用的固定成像模式，以及复杂的星地数据传输链路和传统的数据分发体制，严重影响了遥感卫星使用的时效性和应用的普及型。因此，构建具有星上成像参数自动优化、星上数据实时处理和信息快速下传能力的“智能型”遥感卫星系统是未来光学遥感卫星系统发展的一个重要方向。智能遥感卫星系统将兼备差异性数据获取功能和智能化信息感知能力，是光学遥感卫星未来面向大众化和商业化发展的重要推进方向。

另一方面，传统的光学图像处理方法在精度和效率上的不足，也限制了信息的挖掘和使用。基于人工神经网络的深度学习技术的不断创新，可以实现海量数据的高效自动计算和分析。它通过抽取图像底层特征的抽象高层语义信息，解决了传统光学遥感数据分析方法基于浅层模型很难或不可能实现的高层特征表达，在地物分类、目标检测以及场景理解等方面已展现出巨大的优势和发展前景。

近年来，天地一体化对地观测技术的发展为开展光学遥感大数据分析提供了精确的地球表层系统多样化辅助认知数据。传感网、移动互联网和物联网的飞速发展实现了从数据采集到网络发布的技术流程保障，将空中的卫星和地面的传感设备紧密地联系在了一起。深度学习和人工智能科技的出现更将助力于大数据时代下的光学遥感图像处理与应用技术的发展，引导光学遥感领域新的理论突破与技术创新。