遥感图谱认知理论与方法体系

在遥感大数据时代，大量堆积的现势数据与局限的陈旧信息这一矛盾变得越来越突出，遥感认知的效率、精度及层次已经从根本上限制了遥感数据的大规模应用。

与一般意义上图像认知相比，遥感认知是一种“人—机—地”环境下融合了遥感和地学特性的图像认知，在影像本身表现形式、影像处理分析方法及影像反映目标信息等方面具有一定的领域特殊性。精准化、定量化、智能化、综合化一直是其所追求的目标，但时至今日这一目标看上去仍很遥远。究其缘由是，过往遥感认知技术往往只是将图像处理的一般性方法简单地应用于遥感这类特殊的图像上，而没有对遥感数据的时空特殊性等地理信息进行充分的耦合运用。因此，当前大数据背景下的遥感认知需要紧紧围绕遥感信息的特殊性设计相关的算法，并合理地应用地学分析技术进行模型构建。

图1 遥感信息的图谱特性

遥感数据作为一种特殊的数字图像，本质上具有“图谱合一”的特性（图1）。受陈述彭先生所提出的地学信息图谱方法论启发，本书（《遥感图谱认知》，骆剑承等著. 北京：科学出版社，2017.11）作者提出了遥感影像智能解译模型和信息图谱计算方法（骆剑承等,2001; 骆剑承等, 2009）。近年来，作者逐步组建了遥感地学智能计算团队，从高分辨率遥感影像解译的实际应用需求出发，建立了一套可以指导一般化遥感解译的方法论——遥感图谱认知，以期在充分认识遥感解译特殊性的基础上，综合视觉认知和地学分析的启示，为遥感影像的精细化、精准化、智能化、综合化认知探索可行之路。

1 遥感图谱认知理论——三段论

当前的遥感认知研究主要集中于基于高分辨率对地观测数据对地理空间结构进行重建表达，以及属性分析的浅层理解，在技术上初步引入了人工智能等方法自下而上对空间结构的图斑形态及类型实施智能化提取，并试图协同GIS 空间分析方法对地理实体的空间分布和相互作用模式进行有效挖掘。然而，上述基于遥感数据进行空间结构理解的研究还停留在相对静态而表层的阶段，基于地理实体演化及隐含特征的计算与表达研究相对滞后，存在“图-谱”分离的常态，这对于大数据背景下的遥感认知需求而言无疑是巨大的挑战。针对上述现状，我们凝练了新形势下遥感认知所面临的两大科学问题（图2）：①遥感图谱耦合认知与时空格局精准理解；②多模态地理知识粒计算与功能场景智能透视。我们认为，这两大科学问题的研究关键在于如何以遥感大数据为驱动，建立空间“图”分析与时间、属性“谱”计算两者紧密耦合的认知体系，按照“空间-时间-属性”的维度分别在结构理解、指标反演、功能推测，以及模式挖掘等环节进行逐级深化的协同计算。为此，我们通过前期理论分析、方法创新和应用实践的多个过程探索，逐步梳理出了一套遥感图谱认知的理论与方法体系。

图2 新形势下遥感认知所面临的科学问题及逐级深化的协同计算体系

我们将遥感图谱认知定义为在地学信息图谱分析基础上进一步凝练、归纳出来的一套具有一定的抽象性和逻辑性的理论与方法体系，它是模拟人对图谱合一遥感图像的视觉认知、根据地学和高分遥感特点改造而成的遥感图像理解方法体系，旨在构建智能化、精细化、定量化、综合化、定制化相结合的遥感认知模型，以期提高遥感大数据背景下的图像理解精度、效率和深度。整套体系是以信息为中心加工各类数据、依“空间-时间-属性”的三元体系逐层融入知识，并以“形态—类型—指标—演化—功能”的递阶路线，逐级转化图谱信息（图3），从而螺旋式地推演遥感数据所反映的地表表象、变化规律和地学知识。

图3 遥感图谱认知中的图谱转化

我们在理论上设计了“由谱聚图”、“图谱协同”和“认图知谱”的认知三段论，希望分层递进地揭示遥感大数据精准服务四层模型由下而上的信息传递与计算机制（图4）：就是以对地观测大数据基准影像的全覆盖有效合成处理为起始，通过提取地块为单元的地理实体逐步构建稳定的空间结构信息底图，以此建立“精细-量化”的时空基准；在低层通过影像内部“结构图-时序谱”特征的迭代提取，精确融入时空流大数据、社会经济活动大数据，通过在上层不断融入外部的多粒度知识，实现对场景、功能、演化的全面推测和动态制图，为各行各业具有时空位置特性的大数据价值密度的提升奠定理论基础。

图4 遥感图谱认知的三段论结构

据此，我们认为遥感图谱认知要参照人脑生理认知（形象思维下的分层抽象感知）和心理认知（逻辑思维下的逐步经验指导）耦合的框架，结合遥感对地物目标几何图和特征谱的双重成像优势，以“由谱聚图（粒化）—图谱协同（重组）—认图知谱（推理）”为递阶顺序进行螺旋式逐级深化认知。

2 遥感图谱认知流程——两方向

在遥感认知过程中，图谱转化有其内在规律和联系，相互交织着螺旋式地去共同实现精细化、定量化、智能化、综合化、定制化的认知目标。参照视觉认知中“分层抽象”与“经验指导”两个过程的协同作用，我们在遥感图谱认知过程中凝练了两个方向的认知流程（图5），即自底向上的分层抽象与自顶向下的知识迁移。

图5 遥感图谱认知的两方向流程

3 遥感图谱认知方法——三模型

针对遥感大数据的土地要素信息认知，我们又进一步设计了具体的三大模型，希望在遥感图谱认知理论指导下，构建出基于高分遥感的“土地利用—土地覆盖变化—土壤—土地资源—土地类型”这“五土合一”的土地信息产品智能生产线，这是开展遥感大数据增值服务的基本支撑之一。

图6 图谱耦合的遥感时空协同计算模型

如图6 所示，基本思路为：在统一时空基准表示理论基础上，发展基于对地观测大数据的多层感知器模型，其中重点将采用深度学习等技术分层次地实现图斑形态结构与类别属性的智能化识别，从而提取在一定尺度控制下视觉可感知的最精细“图斑”基本单元，实现对地理场景进行尺度空间的结构化表示；以图斑为基本单元融入高时间分辨率的动态监测数据以重构高维时序特征，采用决策树等分类模型，实现对图斑物理材质，以及覆盖类型等归属判别，并发展微观场景中城市环境要素在精细图斑结构上的时空分布定量反演算法；进而针对对地观测大数据可重复观测和持续更新的特点，探索研究图斑“形态结构-类型属性-定量指标”的变化检测与动态更新方法，实现基于图斑结构演化的地理时空格局理解。在以上实现对时空结构的浅层理解基础上，进一步采用迁移学习方法，融入多源、多模态的外部数据以对图斑属性进行维度的拓展，采用粒度计算技术提取与应用目标发生关联的模糊规则，通过推测来实现对图斑内部功能的深度透视，并结合GIS 空间分析可研发一系列基于图斑结构的时空解析与功能制图工具集，支撑提供地理大数据时空格局分析。

这是一个“形态—类型—结构—指标—状态—趋势”逐步深化的土地信息生成过程，与图谱认知“空间-时间-属性”所对应的三段论相匹配，具体通过 “分层感知”、“时空协同”与“多粒度决策”上下协同的三大模型进行表达和实现。图7、图8、图9展示了三大模型的应用示例成果。

图7 基于“分层感知器模型”的农业地块智能提取（左-广西江州区；右-宁夏中宁县）

图8 基于“时空协同反演模型”的地块级作物类型判别（安徽怀远县）

图9 基于“多粒度决策器模型”的甘蔗种植适宜性评价（广西江州区）

三大模型将遥感地学分析问题与机器学习方法紧密耦合在一起，通过三个层次的智能化模型计算实现信息提取的逐步深化：①空间粒化（精细化，形态—类型）；②时序重组（定量化，类型-指标）；③属性推测（定制化，演化—功能）。需要说明的是，三大模型是对遥感图谱认知三段论开展的研究设想，部分思路已得到实现，但也有部分思路尚处于完善或有待进一步突破的阶段，希望对有志于从事遥感认知的读者和同行能有所启发。

4 结语

综合来看，本书提出的“遥感图谱认知”是一套以遥感影像基本特征和机理为切入点，以图谱特征耦合螺旋式递进为思路，逐步融入外部知识并迭代逼近的遥感认知方法体系（表1），该体系更强调数据和辅助知识的综合利用，可为遥感大数据背景下的信息解译与智能认知提供新的视角。

最后，我们也对遥感图谱认知的进一步发展给出以下几点思考，供读者考虑：

▋①目前深度学习等人工智能算法在复杂的高分遥感认知领域还需深入研究，实现人工智能技术在遥感认知领域中改良和适应；如何让遥感数据与各类辅助数据紧密结合并合理地参与认知，也急需探索知识的合理表达与推理；

▋②在多尺度分割、迁移学习、场景识别、自适应迭代循环、多源数据协同融合等一些具体的技术难点上仍有较大的改进空间，除本书后续几章提到的一些方法和模型之外，还需进一步设计一些更具创新性的实用化信息解译算法，在验证方法可行性、有效性的同时，又能对本书的图谱认知理论加以不断完善；

▋③要逐步向用户迫切需要的高层次影像理解延伸和侧重，面向遥感数据实际应用的下游环节生产出更具实用性、更容易为用户接受的认知信息产品，使遥感大数据真正服务于各行各业的生产生活。

【相关阅读】大数据背景下地学信息图谱理论的新发展：遥感图谱认知

本文摘编自《遥感图谱认知》（骆剑承等著.北京：科学出版社，2017.11）一书“第2 章 遥感图谱认知理论与方法体系”，有删减，并经作者补充部分最新研究成果内容。

（遥感大数据地学理解与计算；上）

ISBN 978-7-03-054321-9

责任编辑：苗李莉 李静

《遥感图谱认知》在充分认识遥感认知特殊性的基础上，发展和完善了遥感图谱认知理论和计算方法体系，发挥人脑认知和机器认知的各自优势，将人脑认知所得的先验知识有针对性地逐步融入机器认知过程中，一定程度上提高了遥感影像机器认知算法的智能化水平，为遥感影像的智能认知探索可行之路。全书共为8 个章节。第1 章绪论，简要介绍本书研究的背景和意义，以及高分相关研究的现状与趋势。第2 章总领性地介绍遥感图谱认知理论和方法体系，重点介绍遥感图谱认知三段论及其流程。第3~8 章则分别围绕遥感图谱认知三段论开展具体方法介绍和研究细述，其中，第3~5 章属于图谱认知第一段的“由谱聚图”框架，分别介绍影像多尺度分割算法、自适应迭代的专题信息提取，以及地块级土地利用图斑的形态提取和属性分类方法；第6 章属于图谱认知第二段的“图谱协同”框架，分析如何协同中、高分遥感影像数据开展农作物种植分布的土地覆盖类型识别；第7、8 章属于图谱认知第三段的“认图知谱”框架，分别介绍历史知识迁移的遥感影像智能分类与信息更新技术，以及基于空间格局知识开展复杂专题信息提取的方法。

（本文编辑：刘四旦）

地球为你而转！

欢迎关注：赛杰奥（sci_geo）

科学出版社地球科学订阅号