基于大地神经网络的地表自动变化监测(高分卫星实例)

如果地表没有变化，那么就不怎么需要持续开展遥感业务。所以80%以上的遥感应用都和变化监测有关，但是这样一个核心工作，目前的自动化水平还比较低，尤其是在分辨率较高的尺度上的工作。

目前中国大量的高分卫星收集2米尺度的数据，planet公司的百多颗小卫星在3米尺度对地表开展以日为频度的观测，因此能够在这一尺度开展自动化的变化监测工作是很有经济价值的。

光学卫星遥感受到大气、季节等很多因素的影响。在获取的大量图像中，检测出真正意义上的地物变化很有挑战性。比如正常的植被物候变化不能认为是实质性变化，太阳高度、云雾厚薄的影响不能被当作实质性变化。

下面是江西上饶的2019-2021年度产品（2米分辨率高分卫星数据制作）。为了网络文档显示方便，缩小成1/4（即8米分辨率）。

因为卫星参数和DEM数据的精度限制，所以部分山地区域的时相之间的几何偏差还是明显的。

通过像素刻刀软件，可以做基于梯度追踪的非线性几何校正。

这样几何位置的偏差基本上就看不到了。

再通过我们的“大地神经网络”(EarthNerve)工具处理，可以过滤掉广域的非实质性变化，将实质性变化保留下来。

这里上半部分是2019-2021年拉伸增强后图像的比较，下半部分是“大地神经网络”处理后的结果。直观的感受是上半部全局都在动，而下半部全局稳定，只是在局部有变动。

也可以在“大地神经网络”处理后图像上，简单的比较数值差异的强度，突出提示哪些地方值得进一步核实。

---

联系方式

陈甫 副研究员 中国科学院空天信息创新研究院 chenfu@aircas.ac.cn 13811147935