让卫星看懂乡村

相比于城市，我们对乡村居民点一直缺乏基本认知和系统监测。难点在于，我国各地区社会经济发展、地理环境不同，乡村地区的发展水平、形态布局存在很大差异。幸运的是，卫星遥感技术具有大范围同步观测、高空间分辨率等优势。“天空之眼”下，我们可以看到，农田、农房、河流、山地等要素分布，甚至作物生长情况、屋顶材质都能分辨出，这为乡村的监测提供了优质的数据基础。

广东省新兴县龙山塘卫星影像

然而，现有的卫星遥感技术还看不懂乡村。以农房为例，农村地区背景复杂，树木的阴影、复杂的地形、光谱的变化都会使建筑物的检测变得困难。另外，城市和乡村的建筑体量也相差很大，需要更高精度的影像才能保留住农房的纹理细节与空间结构特征。因此，常用的方法是将居民点视为一个图斑识别处理，而这恰恰忽视了一个自然聚落内部的建筑肌理。

中山大学中国区域协调发展与乡村建设研究院一直致力于为中国乡村和区域的高质量发展提供理论保障、智力支持和技术支撑。近半年来，团队成员积极探索深度学习与遥感影像在农村地物遥感解译方面的可能性，力求这项研究能实现农村动态监测，助力数字乡村的发展。

将深度学习引入遥感解译。在清晰的影像下，我们可以判断出房屋的面积和屋顶材质，我们希望机器也能做到。深度学习在遥感应用广泛，能够提高遥感数据的自动化处理和分析能力。如果能够利用卫星影像，模拟人的认知，设计一个面向农房识别的模型，将极大提高农房监测的工作效率。

目前，团队基于高分辨率卫星影像，自采集农房样本数据集，通过提取农房的光谱、纹理、形状等信息，实现了对农村建筑物的对象化识别和新旧类型的判断。以下是识别效果演示：

初审：李郇

审核：刘晔

终审：邓孺孺

文章只代表作者观点，文责自负，与本公众号立场无关