国际视野|看人工智能与众包地理信息如何解决遥感经典分类问题

点击图片上方蓝色字体“慧天地”即可订阅

转载本文需经《慧天地》许可，谢谢！

慧天地创新技术研究院招聘记者，详情请点击链接：

今天的国际视野，让我们聚焦大数据时代浪潮下，一个经典的遥感应用场景: 土地利用监督分类 (land use supervised classification) 在国内外工业界及学界的发展趋势。随着高分辨遥感成像技术井喷式的发展，遥感数据与影像质量得到了前所未有的发展。监督分类问题，作为遥感技术的一个经典应用场景，在城市规划，国土资源检测，城市化进程研究中都扮演着极为重要的角色。与此同时，如何利用好高质量的遥感数据从而获得高质量的土地利用分类地图 (land cover classification map) 也成为了国内国际地理信息从业者的密切关注点与研究方向。今天，我们就以国内人工智能企业商汤科技与欧盟科研项目Landsense为例，为大家解读一些土地利用监督分类的进展。

用人工智能读懂地球

“AI并不是一个行业，我们一致认为AI只有和不同垂直行业进行深度的融合，才能让原创的技术在行业中发挥更大的价值。真正实现让AI遥感赋能百业，为未来创造无限的想象空间。” 在7月刚刚结束的WGDC2019（第八届全球地理信息开发者大会）大会上，商汤科技遥感事业部总经理张琳女士在她的演讲中这样讲到。与此同时，商汤公布了旗下的智能遥感影像解译平台: SenseEarth, 感知地球 (https://rs.sensetime.com/)。该平台的其中一个主推点，就是基于遥感影像的3米分辨率的土地利用分类。深度学习模型对10万余张影像进行了数据分析，同时对多样性地表场景的进行了建模。即使土体分布类型千变万化，感知地球的深度学习算法依然交出了满意的答卷。

(图片来源: https://rs.sensetime.com/)

目前，该平台支持在线选择上海与北京的任意地理区域，然后实时生成深度学习预测结果。 下图为感知地球生成的北京市中心城区的土地利用分类，可以看出图中大多数北京城区地表被分类为硬化地面（Impervious）。由此也可以看到，深度学习固然强大，但处理这个遥感经典问题依然有很大进步空间。 

(图片来源: https://rs.sensetime.com/analytics)

众包地理信息助力遥感

除了更快更强的人工智能模型，欧盟科研项目: Landsense (https://landsense.eu/) 致力于融合众包地理信息(Crowdsourcing)与遥感技术来解决环境检测和城市规划中的现实问题，并为政府和决策制定者提供所需信息。其研究团队成员主要来自于奥地利，法国，德国，英国等知名高校与研究所。在其研究的主要课题当中，土地用途分类也取得了喜人的研究成果。

(图片来源: https://landsense.eu/)

来自德国的研究团队，通过利用开放街图(OpenStreetMap) 中的土地用途信息，结合遥感影像，实现了城市范围的土地利用分类。这种土地用途信息与以往的政府测绘部门所公布的官方信息所不同, 是由志愿者贡献并且上传的，并为其他用户所分享他们可能来自于自己工作的城市，也可能只是前来观光的游客。从另一个角度来看，这样的信息通常来自于最熟悉当时情况的人，也就是我们所说的志愿者。众包顾名思义，就是从群众中来，再返回到群众中去。下图中可以看到开放土地利用(OpenLandUse) 服务在德国柏林的分类结果图。然而，这样的众包地理信息也存在着自身的局限性，其中最为主要的问题就是数据来源多种多样，质量精度也自然参差不齐。随着机器学习等新技术的引入，对于弥补和改进这类数据问题有着很大的潜力。

(图片来源: https://osmlanduse.org)

面对着遥感大数据，人工智能时代的到来，许多的遥感及地理信息经典问题的传统解决方法都得到了前所未有的颠覆，正如我们今天聚焦的土地利用监督分类问题。地理信息数据蕴含巨大价值，那么如何在科技的浪潮之中，结合新兴技术与地理信息理论基础，更好更快的解决城市发展中的种种问题，是我们每个地理信息从业者都值得思考的问题。

欢迎大家关注《慧天地》同名新浪微博

微博ID：慧天地_geomaticser

荐读

点击下文标题即可阅读

编辑 / 黄松  审核 / 张胜威  陈磊

指导：万剑华教授