在《自然》杂志评选的年十大科学发现中，“卫星图像绘制地球树木地图”名列其中。国际上多个科研机构的二十几名科学家合作完成了一项看似不可能的任务：利用卫星遥感图像，详细描绘出西非地区多万平方公里区域内超过18亿棵树的位置和树冠大小。今天我们邀请中国科学院文献情报中心“空间光电与重大科研设施”团队情报咨询师郭世杰，和读者聊聊这项科学发现背后的卫星遥感技术发展的重要意义。
此项研究瞄准的非洲西部区域，以及所识别的树冠图像。
问：目前卫星遥感图像识别能达到什么水平？
答：看过好莱坞电影《国家公敌》的观众也许记得，由演员威尔·史密斯扮演的主角因为被卷入一起暗杀国会议员的事件，被美国国家安全局利用卫星等各种高科技设备全方位、无死角地监控和跟踪，导致他不仅在大街上要避开摄像头，甚至在空旷的场所连头都不敢抬起来，因为只要一抬头就会被影片中多次出现的间谍卫星抓拍到，然后被美国国安局的人脸识别系统精确定位。那么，卫星遥感图像识别真的可以做到这一点吗？
这个问题的答案在《国家公敌》上映时（年）当然是否定的。即使到了二十多年后的今天，卫星遥感图像的精确度也远未达到可以精确识别一个人脸部特征的程度。根据公开资料，我国于年12月6日成功发射的“高分十四号”卫星的分辨率为“分米级别”，达到世界先进水平，也就是说，卫星上的“照相机”拍摄的“照片”上一个最小的像素色块能覆盖的物体也长达1分米左右。更不用说，为了识别特定人物目标，还需要快速、高效地从海量的遥感图像信息中精确地定位到某一张特定的人脸图像上，这无异于现代版“大海捞针”。
问：前一段时间，我们听到科学家通过遥感数据得出“全球变绿”的结论，他们是怎样做出这种判断的？
答：从卫星遥感图像中识别“某一类物体”的技术早已实现，并且与我们的生活息息相关。除军事用途外，卫星遥感图像已经广泛用于农业、林业、水利、矿业、气象、土地管理、海洋观测、大气观测等领域，取得了巨大的社会和经济效益。在这些应用领域，科学家们一般采用“大处着眼”的宏观描绘和估算的方法，不需要对每一颗麦苗、每一株牧草进行精确统计，就能够比较精确地估测一片农田或草场的产量。
例如，年1月由中国科学院亚热带农业生态研究所的科学家发表在《自然·可持续发展》上的一篇论文，通过对中国西南地区卫星遥感图像的分析，发现贵州、广西和云南一些容易发生水土流失的地区因为植树造林项目而变得更“绿”了。论文作者采用了“叶面积指数”和“植物生物量”两个指标来估算植树造林的效果，而这两个指标都具有宏观统计的内涵：前者是指每平方米地面的植被覆盖面积；后者是根据植物含水量与卫星观测频段之间的定量关系反演得出的。
利用类似的方法，美国航天局还在年2月以“中国和印度引领绿化”为题，报道全世界的植被面积自年以来增加了5%，相当于一个亚马孙热带雨林，其中中国和印度的贡献占比高达三分之一。可见，我国多年以来对生态文明的重视和对环境的整治已经取得了让世界遥感科学家所认证的成果。
美国航天局发布的说明中国和印度“变绿”的遥感图片。
问：在《自然》杂志此次报道的研究中，科学家利用卫星遥感图像，详细描绘出西非地区多万平方公里区域内超过18亿棵树的位置和树冠大小，被称为一项重要突破，科学家是怎样做到这一点的？
答：随着航天技术的飞速发展和大量更高空间分辨率的遥感卫星的发射部署，卫星遥感数据的体量也呈现指数级上升趋势，给遥感图像的判读和分析带来了更大挑战。同时，以大数据和人工智能技术为代表的新一代信息技术日新月异，为遥感信息处理工作提供了新的利器。《自然》杂志报道的这次研究实现了对18亿棵树的识别，正是利用了时下热门的机器学习方法。
用于遥感数据处理的机器学习方法大致可以分为“无监督”和“有监督”两种。“无监督”的机器学习一般应用于对遥感图像的“聚类分析”，它可以让具有相似性的遥感图像像素自动地归并为同一类。这种方法的效果类似于“物以类聚，人以群分”，分类的结果使得不同类的数据之间相似度最小，而同一类的数据内部相似度最大。由于在遥感图像上，同类地物在相同的表面结构、光照条件、地质环境、植被覆盖情况下，具有相同或相近的光谱特征，因此通过“无监督”机器学习方法就能够将它们进行归并，从而提高识别和分析的效率。
“有监督”的机器学习方法则需要人“教会”计算机程序来对遥感图像进行分类。科学家先对图像中每种目标类别选取一定的“训练区”，让计算机计算这些“训练区”的统计量，然后将“训练区”之外的所有图像像元的统计量和训练区样本进行比较，将它们分配到最相似的样本类别上，就可以实现对全部图像像元的分类。
本次研究的研究者为了“教会”计算机识别卫星遥感图像中的树，首先通过人工判读的方式，在卫星遥感图像上手动标出了棵树和灌木的冠层轮廓。他们将这近9万棵树冠的特征形状和颜色作为深度学习模型的“训练集”，使计算机学会了如何“分辨”卫星遥感图像（0.5米空间分辨率）中直径在2米以上的树冠。然后，他们将待分析的遥感图像划分为×像素的色块，对每个色块是否包含树冠图像进行了自动分析。最终，他们在整个卫星遥感区域识别出了接近18亿个树冠的位置和大小，并且发现此前同类的研究低估了干旱地区的树木数量。
问：卫星对地遥感领域未来有着怎样的发展可能？
答：上迏研究采用的方法还具有许多局限性，例如难以对重叠严重的树冠图像进行严格区分，难以对更广泛区域的不同树种进行识别，近9万条树冠数据的人工标注工作量巨大，等等。但是，利用深度学习模型分析卫星遥感图像的工作给相关领域带来了巨大影响。《自然》杂志在年度十大科学发现新闻稿中评论认为，卫星对地遥感领域因为该项工作迎来了一次根本性飞跃：从侧重于综合景观尺度的测量，到有可能在大范围内乃至全球尺度上绘制每棵树的位置和树冠大小，且这一进展也将根本性地改变人们思考、监测、模拟和管理全球陆地生态系统的方式。
此外，如果我们把遥感图像分析的目标从“树木”替换成其他物体，又可以产生哪些遐想呢？既然现在科学家就能实现对上百万平方公里范围内十几亿棵树的识别，那么未来对全球范围内任何一种比树冠更大的重要目标实现自动化、智能化的全体识别和精确定位，又会有多难呢？未来，电影《国家公敌》中展示的场景可能将不只是幻想而已。
问：能否简单介绍一下我国遥感技术的发展？
答：我国的遥感技术虽然并非起步最早，但是近年来发展势头迅猛，在某些方面已经与欧美水平相差无几。
遥感技术从其采用的电磁波波段来划分，可以分为可见光遥感、红外遥感、多光谱遥感、雷达遥感、激光遥感等；从遥感目标（即观测对象）来划分，可以分为气象遥感、海洋遥感、陆地遥感等。
我国的遥感技术在20世纪80年代后期得到了长足进步，形成了几大知名的遥感卫星系列：风云系列气象卫星——年发射首颗“风云1号A”气象卫星；资源系列卫星——年发射首颗“资源1A”卫星；海洋遥感卫星——年发射首颗“海洋1A”卫星；环境减灾系列卫星——年发射首个“环境与灾害监测小卫星星座”；高分系列卫星——年发射首颗“高分一号”卫星，等等。
根据宁波大学和浙江海洋大学学者分析，现在我国的陆地遥感卫星已经具备全色、多光谱、红外、合成孔径雷达、视频和夜光等多种手段的观测能力；气象遥感卫星已经能够基本满足大气科学研究、天气分析和数字天气预报应用需求；海洋遥感卫星能够实现海洋水色和关键海洋参数的大面积同步观测，可用于海洋权益维护、海域管理使用和海洋生态环境保护等领域；随着高分系列卫星的发射部署，我国光学遥感卫星总体水平也已进入国际先进行列。不仅如此，我国的商业卫星和小卫星遥感也发展迅速，预计年完成组网的小卫星星座“吉林一号”将由颗小卫星组成，可以实现空间分辨率为1.12米、对全球任意地点10分钟内重访观测的能力。
来源：北京日报
审读：喻方华
联系电话：