RS DL
论文介绍
题目：On China’s earth observation system: mission, vision and application
期刊：Geo-spatial Information Science 一区
论文：https://www.tandfonline.com/doi/10.1080/10095020.2024.2328100
主要内容
本文概述了中国对地观测系统的发展历程，并探讨了其在技术创新和应用拓展方面的最新进展，以及未来发展趋势。
发展现状
中国的地球观测系统始于1970年代，并在过去几十年里取得了长足发展，现已建成了一个功能全面、多用途的卫星观测网络。以下是具体的发展现状：
多卫星星座系统：中国当前在轨运行的遥感卫星超过200颗，覆盖了气象、海洋、资源监测等领域。不同类型的卫星星座系统支持对陆地、海洋和气象等环境的全天候、实时监测。主要的卫星系列包括：
风云（FY）气象卫星：自1977年起研发风云系列卫星，用于气象观测，支持全球气候变化研究和生态环境监测。风云系列最新的FY-4B卫星实现了每15分钟一次的全盘观测，每天可提供高频次和高分辨率的数据。 海洋（HY）系列卫星：用于监测海洋环境，包括海洋色彩、海洋动力学参数和海洋事件（如船只、油污等）。HY-2系列卫星形成了全球海洋动力监测星座，提供了全球范围内6小时至12小时内的海洋数据。 资源（ZY）系列卫星：ZY卫星自1999年起主要用于资源管理和环境监测，特别是在应对国际重大自然灾害时提供了多次协助。ZY-3系列卫星组成的星座网络提供了高精度三维立体测图，满足了大规模资源管理和生态监测需求。 高分（GF）系列卫星：高分辨率卫星系统为民用提供高分辨率的光学数据，分辨率从米级到亚米级。GF系列卫星具有高重访率，支持农业监测、城市规划、生态环境监测等多种应用。 环境卫星：环境减灾卫星（HJ）系列、碳监测卫星和SDGSAT-1等，主要用于生态环境监测、气候变化评估和灾害减灾，支持水资源、空气质量和碳排放的长期监测。 商业卫星：中国大力发展商业遥感卫星，典型的如吉林-1卫星星座，具备高分辨率和高重访率，广泛应用于农业、城市管理和灾害应急响应，为市场提供定制化的遥感数据服务。
卫星数据管理与分发：中国的卫星数据从最初的实验性应用逐步转为标准化的操作服务。卫星数据根据用途交由不同机构管理和分发，例如气象数据由国家卫星气象中心（NSMC）管理，海洋卫星数据由国家卫星海洋应用中心（NSOAS）管理，资源和高分辨率卫星数据由中国资源卫星数据应用中心（CRESDA）负责。不同的卫星数据产品经过多层级预处理，并以类似Landsat和Sentinel的标准化格式分发至国内外用户，进一步推动了遥感数据的全球共享和利用。
部分中国遥感卫星数据已公开提供，链接如下：
气象FY系列数据：http://www.nsmc.org.cn/
高分辨率卫星、资源卫星及环境监测卫星数据：https://data.cresda.cn/
海洋卫星数据：http://www.nsoas.org.cn/
在轨处理与自动化：中国的卫星逐渐实现了在轨数据处理，从传统的地面数据接收和分析模式转变为实时处理。以LuoJia-3 01卫星为例，该卫星配备了智能处理单元，能够在轨完成云检测、目标识别、移动目标追踪等任务，为快速响应和决策支持提供了强有力的实时遥感信息服务。
应用
中国地球观测系统的数据在多个领域得到了广泛应用，通过融合多源遥感数据和智能处理技术，提高了资源管理、生态监测、农业管理、灾害响应等方面的效率和精度。具体应用包括：
资源与环境监测：风云（FY）和环境减灾（HJ）系列卫星用于大气质量监测、水资源管理、土地利用评估等任务。例如，FY-3D数据被用来合成清晰图像，能够消除云覆盖干扰，从而生成高精度的土地覆盖和水资源监测数据。在黄河内蒙古段，FY卫星数据被用于冰冻监测，支持资源管理和灾害预警。 农业监测：通过高分辨率遥感影像和深度学习算法，中国地球观测系统能够有效监测农作物生长和评估农业生产。例如，结合珠海-1高光谱数据、Sentinel-2多时相数据和无人机数据，构建了用于湖北省作物分类的深度学习网络，提升了农田信息的监测精度。同时，高分系列卫星的高分辨率图像被用于全国温室大棚的自动提取和制图，监测精度较高，为农业发展提供了重要数据支持。 灾害应急响应：中国的遥感数据在地震、洪水、火灾等灾害事件中起到了关键作用。例如，Luojia-3 01卫星的在轨智能处理系统能够自动识别和分析森林火灾点，并通过北斗短报文传输系统实现了从卫星观测到地面响应的秒级时效。此外，FY卫星数据被用于郑州暴雨灾害的水体变化监测，为应急管理和灾害恢复提供了数据支持。 国土和土地覆盖分类：中国通过ZY-3卫星数据完成了“一带一路”沿线国家的土地覆盖分类，并开发了大规模高分辨率影像数据集（如GF-2影像GID数据集），为全球的土地覆盖分类研究和跨国合作提供了重要的数据支持。
深度学习/人工智能的应用
资源与环境监测
在资源与环境监测领域，中国地球观测系统结合LuoJiaNET深度学习框架和多源遥感数据，通过U-Net和DeepLab等网络进行云检测和去云处理，生成高质量的清晰影像数据。这些深度学习模型自动识别云覆盖区域，去除干扰，支持多云环境下的土地覆盖、空气质量、水资源和气候等方面的监测，为环境管理提供了可靠的数据基础。此外，HJ环境减灾系列卫星和SDGSAT-1卫星的数据还被广泛用于水资源和空气质量的监控，结合LuoJiaSET样本库的大规模遥感图像数据集，能够精确分析自然资源的分布和变化。
农业监测
在农业监测中，中国地球观测系统利用高分系列卫星的高分辨率影像，结合深度学习模型（如ResNet和VGG）进行温室和作物监测，自动提取温室分布和农田覆盖信息。通过深度学习网络的高效分类能力，系统实现了对全国温室大棚分布的自动提取和制图，提供了农业生产的精准信息。同时，基于Sentinel-2和珠海-1等多源数据，结合LSTM网络进行时间序列分析，持续监测作物的生长状况和产量变化，为农业资源管理和决策提供了科学依据。
灾害应急响应
在灾害应急响应中，地球观测系统通过LuoJia-3 01等卫星的在轨智能处理单元，结合深度学习模型实现了对灾害的自动识别和快速响应。LuoJia-3 01卫星利用YOLO和Mask R-CNN等目标检测网络对森林火灾、洪水等灾害区域进行自动检测，实时定位灾害影响区域，并通过北斗系统将数据传输至地面。通过这种深度学习驱动的自动化分析，遥感数据能够在灾害发生初期实现秒级响应，为应急管理和救援决策提供了高效的数据支持。
专用深度学习工具的支持
LuoJiaNET作为专为遥感影像解译设计的深度学习框架，能够高效处理大规模遥感数据，适用于资源监测、环境评估和灾害管理等多种遥感任务；而LuoJiaSET则提供了丰富的遥感影像样本库，支持从土地分类到动态监测的各种解译任务。这些工具与卫星数据的深度结合，大大提升了遥感数据分析的精度和速度。
未来发展
地球观测脑（Earth Observation Brain, EOB）：EOB是未来地球观测系统的核心目标，旨在实现类似人脑的智能感知和认知功能。EOB通过结合地理信息学、计算机科学和脑科学的技术，整合测量、校准、目标感知与认知等功能，将传统的被动数据采集转变为主动的信息提取，并基于卫星-地面协同网络为用户提供实时的智能化地理空间信息服务。未来的EOB可以通过实时处理提供“何时、何地、何物、变化如何”等关键信息，并在正确的时间和地点推送给需要的用户。 PNTRC系统：PNTRC系统（Positioning, Navigation, Timing, Remote Sensing, Communication）整合了定位、导航、定时、遥感和通信功能，目标是建立一个全球化的实时空间信息服务体系。该系统将低轨高分辨率光学和雷达小卫星网络与高分辨率遥感、导航和通信卫星网络结合，能够为用户提供精准、智能的空间信息服务。PNTRC系统将基于卫星大数据、云计算、人工智能和第五代移动通信技术，实现卫星到终端的准确实时信息传输，满足专业用户和公众用户的需求。 为推进中国PNTRC卫星巨型星座建设，由武汉大学牵头的“东方慧眼”智能遥感星座通过组网观测、全球覆盖与超高分辨率结合、智能规划等措施，提升观测效率和精度，拓展产业应用，实现“看得快、看得清、看得准”的目标，服务范围从专业和政府用户扩展至全球大众市场，覆盖B2B、B2G和B2C。 珞珈三号01星的实时智能服务 东方慧眼星座和部分国际主流星座对比 低轨卫星星座与智能处理：中国的低轨卫星星座计划（如东方慧眼项目）通过整合多种传感器和智能算法，为地球观测提供连续、高分辨率的全球覆盖图像。东方慧眼项目包含了四个阶段，计划到2030年建成全球系统。该系统将通过高频次的多光谱、高光谱和夜光成像，支持多领域的监测和应用需求。此外，通过在轨智能处理技术的应用，卫星能够实现自主图像分析和事件识别，为灾害监测等需求提供秒级响应。 深空探测：中国的地球观测技术已广泛应用于深空探测项目，例如嫦娥和天问系列任务中的着陆导航、月面测图、火星表面地形测绘等。未来，随着遥感技术的进步，中国计划进一步扩展深空探测，支持对月球、火星乃至更深远星体的资源探测和地质分析。
更多图表分析可见原文
公众号欢迎优秀作者投稿！可加入优秀论文作者群：欢迎加入AI遥感优秀论文作者群！
问题及讨论可直接在文章下方留言
欢迎关注
分享遥感与深度学习领域的技术、论文、书籍、新鲜事。
欢迎加入遥感与深度学习交流群(点此加入)。
