遥感就是遥远的感知,听起来是专业词汇。但我们对感知却不陌生,每个人与生俱来都有感知的能力,我们的耳朵可以听,眼睛可以看,鼻子可以闻。
但是人类并也不满足于这样的一些感知能力,我们希望到更高的地方去看,像鸟一样从天空的视角俯瞰大地,所以我们对自身能力的想象。
遥感也是这样,它既包括人眼看到的可见光,也包括人眼看不到的更多的电磁波信息。空间技术赋予了我们更多更强的感知能力,能在更高、更远的地方探测地表信息。
利用遥感技术为生产生活服务,比如气象预报、减灾防灾、区域规划、对国土资源的探测和管理以及智慧城市等。
今天,越来越成熟的空间技术,加上3S技术,即遥感(RS)和地理信息系统(GIS)、全球定位系统(GPS),为AI智能的应用准备了海量的空间数据,加上5G移动通信和万物互联时代的来临,这些数据将为我们带来对未来AI时代的憧憬。
地球上空每天飞行着上千个卫星,各种模式的卫星载荷遥感监测,每时每刻都产生着新的各类数据及其图像构成了 "空间大数据"。我们的卫星观测、通常说的空间遥感,已经达到很高的分辨率。合成孔径雷达图像空间分辨率可达到分米量级。
通过雷达对地球上的大气、地表、海洋、空间等进行目标识别,这个过程就是信息感知。在这之中,我们获得了什么信息,这些信息又能形成什么知识产品?这是在空间观测和空间遥感得到重要应用的主要问题。
而AI智能的发展,为信息感知提供了新的途径。今天主要看看如何用AI智能的方法来处理空间遥感大数据,从而对目标精细特征进行感知,并形成知识产品。
遥感就是遥远的感知。从地球遥感来说,可分为早期的光学遥感(即飞机上的航空摄影)、卫星平台上的空间遥感、红外遥感、微波遥感。
从主被动来说,可分为被动遥感和主动遥感。
被动遥感在气象预报、海洋预报方面发挥着很大作用;主动遥感可以达到分米量级的分辨率,通过发射并接收电磁波,感知、反演、重建目标的物理特征。
要想仔细观测某个地方,需具备比较大的雷达孔径,进而获得较高的分辨率。大孔径有赖于合成技术,七十年代第一个合成孔径雷达运用于海洋卫星,开启了在民用上的应用,九十年代,合成孔径雷达技术蓬勃发展,我们称其为多源多模式合成孔径雷达。
至今,它已发展成为一个多源多模式高分辨率全极化合成孔径雷达。多源,即数据有各种目的、各种频率;多模式,即数据采集、测量有不同方式;高分辨率,指雷达可以达到分米量级;全极化,即测量后可以得到电场、磁场不同方向上的反应。
通过全天时、全天候、高分辨率、多维度获取数据成像,我们对天、空、地、海上的目标进行识别,得到信息感知和特征的反演、重构。
需强调的是,这里讨论的是微波、毫米波等电磁波,而不是光学的照片——它是个非视觉的过程,不是通过人眼去"看"能明了的,必须经过科学研究和分析来获取。
如何识别雷达转化的数据图像?一个研究方式是做模型,例如,通过各种物理参数对复杂的地表进行计算和成像,这也叫做正向的模拟。
可是即便所成的像和光学照片有一定相似性,除非是依靠有经验的人,普通百姓依然无法靠肉眼识别信息。
而AI智能技术提供了信息感知的新途径。以人脸识别为例,机器可以从众多人脸中快速识别所需的人脸,在雷达图像中,我们同样希望可以通过大数据感知所需识别的内容。
目前,人工智能已助力于雷达图像识别中,在智慧城市、灾害监测评估、侦察定位跟踪等方面都有广泛的应用。
AI智能实际上是模拟人脑、人眼视网膜,通过对局部或整体的数据分析,建立感知机制。通过深度学习、大量的数据输入,AI智能产生特征性的矢量分布,进而获取了感知信息的能力。
实际上,我们从电磁物理学,加上人工智能AI形成了微波视觉,其中包括了电磁波的仿真反演的研究,包括类脑智能以及物理世界相互作用方面的结合,从而产生交叉科学的电磁方面的人工智能技术,这是我们所提出的人工智能技术特别是在空间电磁学、空间遥感科学,或者目标的自动识别技术方面的进展。
总体来说,卫星技术和其它相关技术提供了大量的数据,但大量的数据和信息的感知不能划等号,特别是多维度、精细的信息感知。
我们可以再发展人工智能新的模型、新的算法,并在契合空间遥感的物理学需求的情况下,产生一个交叉的新科学。
长期以来,理论、实验和计算构成了科学的三大支柱,现在增加了一个新的支柱,就是智能的支柱。
理论,是科学的基本理论;
实验,是科学理论的一个实现和佐证;
计算,是由于计算机的发展;
智能,是由于科学技术的发展。
这些科技的应用将带动许多相关学科和相关产业的发展,比如我们正在进行的用来目标识别的人工智能芯片,一方面带动了许多原先没有的产业的新发展,同样,也会促进许多基础研究。基础研究将进入一个新的领域。
本文图片来源:互联网;
版权归原作者所有,如有侵权请联系后台删除