遥感智能解译,是一类使用智能算法将源源不断获取的遥感大数据快速、精准地转化为空间信息的关键 技术。在地理学领域,它既是国土资源环境监测的现实需求,也是面向地球复杂巨系统模拟信息获取的前沿 技术。当前智能算法应用于地理空间遥感解译时,缺乏显示化的地学知识引导与耦合,导致现阶段遥感智能 解译在面向地形地貌多样、气象条件复杂、地表结构细碎等复杂场景时,难以满足现实需求。如何构建面向遥 感智能解译的地学知识表达模型,打通地学知识与遥感解译之间的知识输入、输出等关键环节,实现地学知识 与遥感解译的循环互促,在保障地学知识积累更新的同时,不断引导遥感智能解译精度的提高,从而支撑国土 资源环境监测与地球系统科学发展,正日益成为地理空间复杂场景遥感智能解译的前沿。
受《地球信息科学学报》邀请,由我们共同担任客座编辑,组织了这期专栏。经过专家评审,本期"遥感 地理空间图谱建模与复杂场景智能解译"专栏共录用9篇文章,涵盖了遥感地理空间知识图谱建模理论方 法与国土资源遥感智能监测应用等多个研究领域,体现了地学知识与复杂场景遥感智能解译耦合的前景。
本期亮点论文概览
遥感数据智能:进展与思考
从大数据发展视角,提出了遥感数据智能的概念和技术框架,通过大区域超高分辨率解译案例展示了遥感数据智能的应用前景,并进一步探讨了未来发展趋势和当前急迫研究的方向,尤其是AI-ready的知识库建设。
制图级矢量要素遥感智能解译的研究进展与展望
针对遥感智能解译结果与行业知识标准及应用场景脱钩问题,提出了制图级矢量要素提取的概念,重点总结了矢量要素深度学习提取不同思路的优劣势,并展望了多模态语义规则等研究方向。
面向复杂自然场景的遥感地学分区智能解译框架及初探
从地理综合知识显示化空间表达的地理分区视角,提出了面向复杂自然场景的遥感地学分区智能解译框架,并在复杂度与优化抽样实验、影像分区分割尺度优选、耕地类型细分等方面开展实验,初步显示了该思路的巨大潜力。
自然资源遥感智能解译中复杂场景样本抽样方法研究
提出了基于复杂性度量的样本抽样方法,实现了高质量、强代表性的样本抽样与制作,有效平衡了遥感高精度分类与样本抽样制作成本。
遥感时空知识图谱驱动的自然资源要素变化图斑智能净化
基于SkySense、GraphGIS、SeqGPT等技术,实现了基于影像、矢量、文本的多源遥感时空知识图谱构建,在保留真实变化图斑的条件下,可有效去除虚警变化图斑。
我们衷心感谢来自17个单位的54位作者以及匿名审稿人的贡献和付出,感谢《地球信息科学学报》的 大力支持。我们相信,随着理论与技术的不断创新,遥感地理空间知识图谱建模与复杂场景遥感智能解译 将会呈现协同互促的良好发展局面。期待更多的学者和研究人员加入这一领域,共同推动地理空间知识建 模与复杂场景遥感智能解译的高效发展,为国土空间资源环境遥感监测与地球系统科学发展贡献力量。
杨晓梅 孟瑜 杜世宏 明冬萍 李彦胜 王志华
2025年2月