AI是怎么“看懂”卫星影像的?

第一次听说的人，多半会觉得有点玄。其实拆开来看，三件事各干各的：卫星负责拍，AI负责认，GIS负责说清楚认出来的东西在哪、归谁管。这篇就按这个顺序聊一聊。

01 电脑眼里的卫星图

我们看卫星图，看到的是一片绿色的林子、一条蓝色的河。电脑看到的是一张数字表格。

影像由一个个像素组成，每个像素在不同波段上都有一个数值，代表这个位置反射了多少能量。普通照片只有红、绿、蓝三个波段，多光谱卫星还能记录人眼看不见的近红外、短波红外等波段。

不同地物在各个波段上的表现不一样，这是识别的基础：

• 健康的植被，在近红外波段反射很强；
• 水体在近红外波段反射很低，图上几乎是黑的；
• 建筑、道路、裸土，光谱各不相同，纹理和形状也有差别。

所以AI用的信息不只是颜色，还有各波段的数值、纹理、形状，以及周围是什么地物。同样是一片绿，是林地、草地还是农田，光看颜色经常分不清，得把这些放在一起判断。

02 AI是怎么学会看图

AI一开始什么都不认识，得有人教。做法和带新人差不多：拿一批标好答案的样本，让它反复看。

先要收集影像，地区、季节、分辨率尽量丰富，森林、农田、水体、道路、裸地都得有。然后是人工标注，在图上把森林、道路、水体、建筑一块一块画出来。这一步最费人工，标得准不准，基本决定了模型能做到什么程度。

标好之后交给深度学习模型反复训练，让它自己去总结影像和标注之间的对应关系。训练完不能直接用，还要拿没见过的影像做验证，看精度够不够。够了，才能放到新影像上去跑，输出分类图，或者目标的位置和范围。

03 一张图能认出多少东西

这要看影像分辨率，也要看想认什么。常见的有这几类。

森林和植被。提取林地范围、植被覆盖，配合NDVI等植被指数看长势。在林业上，主要用在资源调查、林地变化监测和生态评估。像松材线虫病，高分影像上能看到变色枯死的松树，可以先把它们标成疑似点位，再安排人去地面核实。

道路和建筑。亚米级到2米左右的高分影像，可以提取道路、房屋轮廓和居民点，再用GIS算长度、面积，做城市扩张监测、疑似违建筛查、土地利用调查。

河流、湖泊和洪水。水体的光谱特征比较明显，结合遥感指数和分类方法，可以提取水面范围，也能看洪水淹到了哪里。多期影像对比，水面的涨落就出来了。

地表变化。这是实际用得最多的一项。拿两期影像对比，找出林地减少了哪里、哪里新增了建筑、水域范围有什么变化、施工区扩到了哪里，这叫变化检测。林业和自然资源部门常说的“疑似变化图斑”，大多是这么来的。

当然它也有短板。分辨率不够、云遮住了、前后两期季节不同、传感器不一样、训练样本质量差，结果都会打折扣。南方多云多雨，合适的光学影像本身就不好拿，有时还得靠雷达卫星来补。

04 识别完，还得靠GIS管理分析

AI给出的，只是一批图斑。可管理人员关心的是另外一些问题：这块地在哪个乡镇？占了多少亩？是不是林地？在不在保护区里？

这些要靠GIS来回答。把图斑和行政区划、林地小班、道路水系、保护区边界叠在一起，位置、面积、权属就都有了。

以林地监管为例，大致是这样一个流程：卫星影像 → AI提取疑似变化 → GIS把图斑落到小班和管理单位 → 生成变化清单和专题图 → 用无人机或者现场去核实。AI给出的是线索，不是结论，最后还是得有人去现场看一眼。

05 在森林防火中的应用

拿森林防火来说，这几项技术是这样配合的。卫星覆盖范围大，可以先发现疑似的热异常点。GIS把这个点对应到林地小班上，再查离最近的道路、取水点有多远，调度最近的无人机飞过去（如果热点周边有监控，也可调取附近的双光谱热成像相机），拍高清影像和热红外，确认是不是真的着火了。如果再叠加气象、地形和可燃物数据，还能做火险分析和蔓延模拟。

有几点要说清楚。卫星过境有时间间隔，不是随时都在看；热异常也不一定是火，工业热源、农事用火都可能触发；AI也会误判。所以卫星适合做大范围的第一道筛查，代替不了地面的视频监控和巡护，发现异常后一定要核实。

同样的思路，也可以用到湿地保护、自然资源监测、智慧农业和城市管理上。

结语

把前面几篇连起来看：北斗和GPS解决“我在哪”，GIS解决位置和空间关系，无人机负责近距离看，卫星负责大范围看，AI负责把海量影像处理出结果。

以前做一张专题图，很多时间花在人工判读和数据处理上。现在AI能先把地物和变化提取出来，人再来审核、修正，效率提高了不少。

后面还会继续写GIS、无人机和遥感在实际工作里的用法，感兴趣可以关注。

#AI遥感 #地物分类 #森林资源监测 #智慧林业 #自然资源监测 #无人机航测

本文部分内容由AI辅助生成