国产遥感大模型：AI赋能空天信息智能化应用

创作时间:

作者:

@小白创作中心

国产遥感大模型：AI赋能空天信息智能化应用

引用

来源

http://www.stardetect.cn/h-nd-95.html

从100多人团队花费一年半时间完成全国土地利用数据库建设，到如今一天就能处理10余万平方公里的遥感数据，AI+遥感技术正在以前所未有的速度改变着我们的生活。本文将为您详细介绍国产遥感大模型的技术特点、应用场景以及未来展望。

1996年第一次建设包含城镇数据在内的全国性土地利用本底数据库时，100多人的团队基于人工目视解译的方法，共花费了一年半的时间才完成[1]。
如今，在基于遥感大模型的单机自动化中，一天就能够提取及比对10余万平方公里，同时，算法精度和数据质量能够满足监测要求，综合查全率达到90%以上[2]。
随着高分辨率遥感卫星的组网，我国已构建了自主全球观测系统，进入了遥感大数据时代[3]。然而传统的数据处理方式难以充分挖掘海量遥感数据的价值，随着人工智能技术的飞速发展，AI+遥感势在必行。

卫星组网概念图图片来源：新华网

2020年以来，AI大模型进入爆发期，在各种应用领域展现出了巨大的潜力和价值。遥感领域也进入了大模型时代，仅2023年一年的时间，遥感领域就涌现了数十个大模型[4]。
我国数字经济发展水平处于世界领先地位，国产遥感大模型技术的研发应用也取得了突破性进展，已经在资源监测、应急救灾、农业金融、城市管理等领域发挥重要作用，展现出显著的社会经济效益。

国产遥感AI大模型

我国遥感大模型发展迅速，2022年以来，很多科研院所及科技企业陆续发布了自研的遥感大模型，并在实际应用中不断进行算法迭代，模型性能不断提升。

几个典型的国产遥感大模型基本信息

在国产遥感大模型的发展中，可以看到以下几个趋势：
1/多模态：既指遥感数据类型的多模态，即支持可见光、SAR等多元异构遥感数据处理分析；也指信息交互的多模态，即支持文本提示、视觉提示、交互式提示等信息输入。
2/泛化能力：在不同的地区、时间、分辨率、传感器等多样化图像任务中保持高效和准确，能够覆盖更多的应用场景。
3/国产化适配：国产AI框架+国产AI算力平台+国产数据，为基于国产化软硬件平台进行遥感预训练以及下游任务开发提供支撑。

AI+遥感能做什么

遥感大模型服务于遥感应用，核心功能是数据的智能解译，助力时空信息的感知和分析。主要包括三大类任务：
1/图像分割：对遥感图像进行智能解析和分割，将每个像素分配到特定的地物类别（如森林、水体、道路等），生成一个详细的分类图，其中每个像素都被标记为属于某个特定的类别。
2/目标检测：在遥感图像中识别和定位特定的对象，如建筑物、车辆、飞机等。目标识别任务通常需要模型具有高精度的定位能力，并能够从复杂的背景中区分出感兴趣的对象。
3/变化监测：通过比较不同时间点的遥感图像，识别地表覆盖或地物的变化。这个任务的目标是检测和量化变化，如城市扩张、森林砍伐或湖泊干涸等。

在此基础上，遥感大模型还可以支持特征提取、异常检测等任务，不仅可以快速实现以往由人工和传统算法负责的地理信息解译工作，还可以满足实时监测和预警的需求。

智能解译基本任务
图片来源：CSDN/ppmy.cn/极海