遥感AI进入深耕期 | 调查
「
导读·本文涉及以下内容：
① 北京市规划和自然资源委员会与阿里云合作，共同推进遥感AI在城市规划建设和自然资源调查中的应用。
② 国家战略下对自然资源及土地利用情况的持续调查，以及对于城市的监管和治理，对于遥感影像的信息挖掘将有高度依赖。
③ 遥感AI在现阶段尚不具备完全自动化去解决行业需求的能力，为了确保识别的精度，人工参与校验始终是不可或缺的环节。
」
泰伯网 陈启临 报道
Tryul 责编
泰伯网近日获悉，北京市规划和自然资源委员会（以下简称为“市规划自然委”）与阿里云建立合作关系，双方将共同推进遥感AI在城市规划建设和自然资源调查中的应用。目前，双方基于阿里巴巴达摩院机器智能技术实验室研发的天巡遥感盒子，通过其遥感影像的自动智能识别比对分析算法，应用于北京市的“大棚房”专项整治，以及后期相关的常态化监管。
“大棚房”是对农业用地中原本用于作物种植的设施农业大棚进行改造，使之用于以居住为目的的违法建筑，其危害在于破坏了原有的农业生产秩序，且在形成规模后破坏国家的粮食生产安全。今年6月，北京市昌平区崔村镇六合成观光园“大棚房”问题被媒体曝光后，北京市迅速展开部署，开展了全市范围的“大棚房”专项整治行动。
从专项、常态到广度
据接受泰伯网采访的市规划自然委科技与信息化处张茜介绍， 在全市 “大棚房”专项整治行动中，市规划自然委主要负责对全市“大棚房”整改情况进行核查验收，同时摸清全市设施农业大棚的基数及分布情况，建立全市设施农业大棚数据库。为更好支撑此项工作开展，市规划自然委通过遥感影像数据对全市设施农业大棚进行人工提取并下发各区级检查部分，作为“大棚房”摸查整治的一手线索。
截至目前，全市设施农业大棚整治核查工作已经完成，但为了防止类似的问题再次发生，启动全市“大棚房”的常态化、动态化监管则显得迫在眉睫。张茜提到，专项整治阶段以人工为主的遥感筛查，每次都要投入大量人力且花费很长时间，因而一旦面向今后的常态监管，从成本到组织执行都存在着很大挑战。
突破口在于遥感AI技术在数据处理和影像自动化提取方面的优势，能有望面向设施农业大棚在全市整体数量的变化，以及对“大棚房”的筛查，提供高频度、低成本的监管支持。
特别是在疑似“大棚房”的筛查中，由于大棚顶部有覆盖层材料的遮挡，即便AI也很难直接发现“大棚房”的迹象，但一些与“大棚房”相关的端倪，却可以交由AI从影像中发现：例如大棚耳房的扩建，附属设施的新建、大棚周围道路的改建，以及诸如家用车辆等其他居家生活要素的集中出现，都可以从侧面推测是否有可疑情况。AI会对这些要素的识别建立模型，再经过多轮识别训练和验证，不断提高识别的精度；在常态化的监测实践中，数据显示AI对要素的识别精度，从一开始的80%提升到目前的90%左右。
利用定期更新的卫星遥感数据，市规划自然委对“大棚房”的常态化监测目前已确定为每月开展一次。张茜强调，双方在遥感AI方面的合作，仍然处于研究和探索阶段；但毫无疑问的是，遥感AI技术正在进入深耕期，未来结合多元化的遥感数据，从自然资源调查、国土空间规划，到包括违法建设查处、城市体检评估在内的城市综合治理等细分领域，遥感AI技术都有机会应用其中。
泰伯网了解到，市规划自然委方面希望通过此次实践，树立在遥感AI应用层面的示范标杆，他们希望走在国内更多城市的前面，并能向全国分享和推广相关经验。
遥感AI走向深耕
阿里云的政府项目负责人王垒提到，此次与市规划自然委的合作，源于阿里巴巴对于商业航天数据在垂直行业领域应用的关注。
其中，随着全球和中国政企加快对商业遥感的布局，对于已有和潜在的市场，将形成越来越庞大、丰富的遥感数据源。但遥感影像的应用价值在于如何从中判别和提取需要的信息，从现状看，仍然有相当规模的遥感应用还主要依托人工为主的目视解译和一些半自动化解译方法，受制于效率，其应用的广度和深度也受到了较大制约。
阿里对于遥感AI的研究，正是希望能面向现存的问题，提高对遥感影像的数据挖掘能力，从而在海量数据源和市场需求之间建立连接。对于遥感AI在政务市场中的前景预判，王垒认为今年以来国务院组建的自然资源部、应急管理部、农业农村部等部门，对于基于遥感影像的大场景监测将有天然的刚需；但作为同时以技术和生态驱动行业发展的企业，阿里要做的事，除了以核心技术和算法在市场中推动应用典型外，更主要从生态的角度，联合越来越多的企业通过整合解决方案共同向市场提供服务。
目前在遥感AI生态的聚合进程中，阿里云已和AI芯片厂商、各类遥感影像提供商、遥感大数据应用服务商等企业，逐渐建立起合作关系。
正在和阿里云对接合作的速思智能，是注意到遥感AI市场潜力的芯片端企业之一。基于GPU集群构件算法体系，其所构建的卫星遥感影像智能高速识别解决方案，目前能够分别对应省级和地市级的需求，对不同分辨率的遥感影像中所需要的地物要素进行快速识别和提取。
在速思智能副总裁苏明看来，国家战略下对自然资源及土地利用情况的持续调查，以及对于城市的监管和治理，对于遥感影像的信息挖掘将有高度依赖；趋势上，对大量卫星遥感影像的处理，必定会过渡到AI的自动化识别，但整个过程中自然无法缺少结合具体的需求对算法模型不断精研的长期投入。
提供遥感影像及数据应用服务的世景公司，其总经理徐丽萍认为，遥感大数据在自然资源调查、国土空间规划、城市综合治理等场景中早已有着明确应用。
徐丽萍也强调：只有当蕴含在遥感影像像素中的海量信息被充分挖掘出来，才能作为一种可靠的大数据源为行业所用，现在看来，遥感影像的大数据化必须靠批量、高效的自动信息提取技术来推动；而对遥感影像中地物要素等信息的识别和提取，经历了监督分类、面向对象的信息提取等发展阶段，到了如今以计算机深度学习来驱动的AI时代，遥感影像的大数据化，更加有望得到精进。
在徐丽萍看来，遥感AI技术一旦可以稳定做到针对特定地物目标的精准识别，便可以迅速拉动政务市场的存量需求，以及挖掘更多的新需求，并实现遥感政务服务的进一步精分。但从目前世景与AI合作伙伴的实践来看，她认为遥感AI技术在精度方面仍然还有可提升的空间。
徐丽萍认为，机会将留给市场中提供AI技术并对遥感行业有极大兴趣的企业。AI初创型公司，诸如商汤科技等大体量的深度学习公司，以及大型互联网公司及泛IT企业，都有能力进入其中，并在遥感产业链涉及数据处理和应用的中下游位置，形成独有的竞争力。这些公司参与其中的看点还在于，他们不仅可以对可见光数据进行基于AI的数据挖掘，还能渗透至更多波段的遥感数据，从而放大遥感应用的空间。
但遥感AI技术当前所存在的瓶颈，同样需要被客观认知。
正在向市场提供产品化软件“简译”的专业遥感影像解译服务公司治元景行，近年来也将他们的技术研发方向，延伸到了遥感AI。在创始人龙飞看来，遥感AI技术正触达某个阶段的天花板，其问题主要体现在AI深度学习技术所构建的神经网络模型泛化能力，离完全自动识别提取地物要素还有一定的距离。
由于模型泛化能力有限，一方面，从指定遥感影像中所训练出来的模型，会在因光照不同、或存在季节差异的其他遥感影像中，变得难以适用，且尚无有效办法对此进行解决；另一方面，理想中的AI模型应该是训练更多的遥感影像，就可以使识别的精度有效提升，但实际情况是，虽然这种模型对各种数据的适应性得到增强，但精度并没有提升，甚至这种模型针对指定影像的识别精度，往往还不如只用这些指定影像自身提取数据所训练出来的模型。
对此龙飞认为，遥感AI在现阶段尚不具备完全自动化去解决行业需求的能力，为了确保识别的精度，人工参与校验始终是不可或缺的环节。
但他同样认为，遥感AI现在可以部分做到针对特定地物的常态化监测，这样的能力，或已经开始对遥感应用市场产生积极的影响，以往主要受制于人力成本而难以得到快速发展的遥感应用服务，也将随着自动化能力的提升和成本的降低，而被新老市场所接受。
提供了InSAR卫星遥感数据及相关应用服务的企业东方至远科技，目前正在对接、并计划参与到例如阿里云这样的行业生态之中。作为多元化遥感数据中的一种，InSAR遥感数据正在走出学术界的象牙塔，并已面向地质灾害的观测和预警，以及针对城市建筑基础设施的形变风险监测，提供市场化的服务。对InSAR遥感数据中的规律、现象、趋势的挖掘，实现以AI化为目标的数据自动化处理，是东方至远的技术研发方向。
东方至远创始人兼CEO李吉平提到，InSAR数据应用正处于市场培育阶段，但团队在产品和服务层面加大对AI技术的研发投入，可以加快海量、长时序的InSAR数据和具体应用中专业知识结构的整合进程，并使结合的成果，能快速在市场中得到使用，从而提高市场、特别是当前所聚焦的政府服务市场对于InSAR遥感服务的认知度；InSAR遥感服务本身，还有望通过AI的赋能变得更物美价廉。
在李吉平看来，AI对于遥感服务和市场双轮驱动的利好，已经有目共睹。在政府需求放缓的态势中，AI在效能和成本方面所体现的优势，仍然使市场的供给侧和需求侧在合作中找到不可忽视的价值。而这样的价值，也让李吉平和越来越多的业内从业者，都乐观看待未来。
深入阅读｜点击图片或标题