PIE遙感雲服務與實踐 朱琳 王宇翔 9787030754233 【台灣高等教育出版社】

編輯推薦
遙感、測繪、地理信息系統、國土空間規劃、自然資源管理及相關專業科研工作者，對遙感雲計算和智能解譯感興趣的生產技術人員

內容簡介
本書是在國產時空遙感雲服務平台PIE-Engine系列用戶手冊和培訓素材的基礎上，集作者多年遙感大數據、雲計算、人工智能等理論研究和開發實踐經驗升華凝練而成的。本書結合時空遙感雲服務平台PIE-Engine設計理念、基本功能和技術特色，系統介紹了時空遙感雲服務平台PIE-Engine基本理論、關鍵技術、操作流程和專題應用。本書聚焦時空遙感雲服務技術前沿，力求理論與實踐相結合，集海量遙感數據在線處理、遙感數據科學分析、全棧式遙感智能解譯、遙感數據共享與發布的理論與操作實踐於一體，用通俗易懂的語言闡述複雜的遙感雲服務技術問題。

目錄

目錄
叢書序一
叢書序二
前言
第1章 緒論 1
1 1 概述 1
1 2 國內外遙感雲平台發展現狀 2
1 2 1 國外遙感雲平台進展 2
1 2 2 國內遙感雲平台進展 5
1 3 遙感雲平台發展趨勢 8
1 3 1 技術交融化 8
1 3 2 場景泛在化 9
1 3 3 業務精細化 9
1 3 4 服務大眾化 10
1 3 5 應用智能化 10
思考題 11
參考文獻 11
第2章 理論與基礎 13
2 1 大數據 13
2 1 1 概述 13
2 1 2 大數據處理技術 14
2 1 3 開源大數據處理平台 14
2 2 雲計算 17
2 2 1 概述 17
2 2 2 雲計算關鍵技術 18
2 2 3 雲服務 21
2 2 4 開源雲計算管理平台 22
2 3 遙感雲平台構建 26
2 3 1 概述 26
2 3 2 雲原生與地理數據服務 26
2 3 3 無伺服器計算與遙感數據分析 31
2 3 4 基於地理編碼的多源時空立方體 34
思考題 37
參考文獻 37
第3章 海量遙感數據在線處理 40
3 1 概述 40
3 2 多源異構遙感數據處理 41
3 2 1 高解析度光學衛星影像處理 41
3 2 2 高光譜衛星影像處理 47
3 2 3 雷達衛星影像處理 51
3 2 4 無人機影像處理 62
3 3 PIE-Engine Factory介紹 65
3 3 1 設計思想 65
3 3 2 基本功能 66
3 3 3 操作方法 67
3 4 應用實例——數字正射影像圖（DOM）生產 80
思考題 99
參考文獻 99
第4章 遙感數據科學分析 101
4 1 概述 101
4 2 遙感在線并行計算 101
4 2 1 遙感數據存儲模型 101
4 2 2 計算執行和優化技術 102
4 3 PIE-Engine Studio介紹 106
4 3 1 設計思想 106
4 3 2 數據集 107
4 3 3 基本功能 108
4 3 4 操作方法 136
4 4 應用實例——凈初級生產力（NPP）分析 157
思考題 166
參考文獻 167
第5章 全棧式遙感智能解譯 168
5 1 概述 168
5 2 全棧一站式智能解譯技術 168
5 2 1 基於多用戶場景下模型反饋優化的訓練與評估技術 169
5 2 2 基於雲原生及微服務架構的模型動態調度技術 170
5 2 3 解譯模型輕量化適配技術 172
5 3 PIE-Engine AI遙感智能解譯服務平台 175
5 3 1 設計思想 175
5 3 2 基本功能 176
5 3 3 操作方法 183
5 4 應用實例——基於濱海區域儲油罐目標要素識別 214
思考題 220
參考文獻 220
第6章 地理時空數據共享與發布 221
6 1 概述 221
6 2 地理時空數據管理 222
6 2 1 概述 222
6 2 2 地理空間格網剖分 222
6 2 3 空間索引構建 224
6 2 4 全局統一元數據管理 229
6 2 5 混合多態存儲架構 232
6 3 地理時空數據訪問引擎與存儲 233
6 3 1 地理時空數據統一訪問引擎 233
6 3 2 混合多態存儲技術 241
6 4 多源數據在線地圖服務與發布技術 249
6 4 1 在線地圖服務 249
6 4 2 在線發布技術 251
6 5 PIE-Engine Server介紹 256
6 5 1 設計思想 256
6 5 2 基本功能 261
6 5 3 操作方法 264
6 6 應用實例——陝西省土壤類型數據在線配圖流程介紹 277
思考題 289
參考文獻 289
第7章 專題實踐 291
7 1 基於多源遙感的湖泊生態環境智能監測服務 291
7 1 1 概述 291
7 1 2 服務能力 292
7 1 3 服務案例應用領域 301
7 2 基於多源遙感的城市生態宜居評估服務 301
7 2 1 概述 302
7 2 2 服務能力 303
7 2 3 服務案例應用領域 311
7 3 水稻自動提取服務 311
7 3 1 概述 311
7 3 2 服務能力 312
7 3 3 服務案例應用領域 317
7 4 黃河口及其鄰近海域水質遙感監測服務 317
7 4 1 概述 317
7 4 2 服務能力 318
7 4 3 服務案例應用領域 326
7 5 基於AI演算法的大棚識別提取服務 327
7 5 1 概述 327
7 5 2 服務能力 328
7 5 3 服務案例應用領域 335
思考題 335
參考文獻 335
附錄一 PIE-Engine Studio公共數據資源列表 337
附錄二 獲取更多幫助和信息 340

精彩書摘
第1章 緒論
如何充分挖掘遙感大數據，全面快速地實現對地球空間信息的感知與認知，是地球科學領域共同面對的挑戰。遙感雲平台作為智能化綜合性數字信息基礎設施的一種形式，具有重要的戰略價值。隨著技術的發展，以及人類進一步認識地球的需求，遙感雲計算平台將得到更多的應用和發展，為更深入理解地學規律、實現人類社會可持續發展提供科學支撐（付東傑等，2021）。相比國外，目前中國的遙感雲計算平台尚處於起步階段，但中國國產衛星的使用將使中國遙感雲計算平台具有獨特優勢。
1 1 概述
近年來，隨著國家高解析度對地觀測系統重大專項的實施，空間信息基礎設施的建設，國內外衛星商業化的發展，星座計劃、微衛星群的開啟，航空攝影技術革命，以及無人機的普及等均使遙感信息獲取能力大大增強，遙感數據資源得到極大豐富，其還對遙感數據的密集存儲、計算處理、服務方式與能力形成巨大挑戰。僅美國新一代對地觀測衛星EOS每日獲取的遙感數據量就達TB級，全球對地觀測數據已經達到EB級。從年度、季度、月度到每天、每小時的數據使應用領域得到拓展，如保險、農情、商業分析、應急救援等已成為可行的遙感應用領域，數據實時處理、密集計算、大數據分析能力要求大大提高，使用方式也發生改變（王晉年，2016）。與此同時，傳統遙感應用面臨著成本高、難度大、時效差、無保障的難題。使用桌面常規軟體工具難以在大時空範圍內進行獲取、管理和分析處理，現有的遙感影像分析和海量數據處理技術已難以滿足當前遙感大數據應用的要求。遙感雲計算技術的發展和雲計算平台的出現為海量遙感數據處理和分析提供了前所未有的機遇，徹底改變了傳統遙感數據處理和分析的模式，極大地提高了運算效率，使得全球尺度、高解析度、長時間序列的快速分析和應用成為可能，這些數據與計算結果可在遙感計算雲平台上進行共享，且能夠向多種應用場景開放。
目前，國際上主流的遙感計算雲平台以國外機構或公司開發的平台為主，谷歌公司率先發布了谷歌地球引擎（Google Earth Engine，GEE）這一產品，打破了傳統行業的壁壘，使得人人都可以分析應用遙感影像。在當前領先的遙感雲計算平台的基礎上，推動我國自主研發遙感雲平台的建設，研發一套國產化自主可控的時空遙感雲服務平台，快速、自動地進行遙感大數據的處理和分析，完成遙感數據產品的智能信息服務，是我國遙感行業發展亟待解決的重要課題。在這樣的背景下，我們需要在大數據平台、智能信息處理演算法和主動服務模式等方面進行創新性研究，發展新的方法理論，構建共享數據、代碼和方法的開放平台，讓區域用戶、行業用戶、政府用戶、企業用戶甚至大眾用戶輕鬆獲取各自所需的遙感信息與服務，以應對地球觀測數據獲取能力飛速增長對信息高效、快速服務的重大需求。
1 2 國內外遙感雲平台發展現狀
目前，國際上主要的遙感雲計算平台有GEE、笛卡兒實驗室（Descartes Labs）以及澳大利亞地理科學數據立方體（Australian Geoscience Data Cube，AGDC），其中GEE發展比較成熟，並得到廣泛應用。中國遙感雲平台的建設也在加速推進中，中國科學院先導專項「地球大數據科學工程」的地球大數據挖掘分析系統（EarthDataMiner）（Liu et al ，2020）、航天宏圖信息技術股份有限公司的時空遙感雲服務平台PIE-Engine均發展迅速，應用於越來越多的領域，服務於越來越多的用戶。
1 2 1 國外遙感雲平台進展
國外遙感雲平台主要有美國的GEE、Descartes Labs以及AGDC等。
1 GEE
GEE是美國Google公司與卡耐基梅隆大學和美國地質調查局（USGS）共同研發並於2010年發布的一款免費的遙感雲計算平台，能夠對全球尺度地球科學資料進行在線可視化計算和分析處理。GEE使用Google核心基礎架構、數據分析和機器學習技術，可以讓用戶體驗高效、安全的雲服務。該平台集成了海量地理空間數據、可視化和分析計算能力，以及可調用的應用程序介面（Application Programming Interface，API）。依託Google公司全球百萬台伺服器，GEE能夠提供足夠的運算能力，對海量空間數據進行可視化分析和計算處理。2019年，GEE耦合了深度學習平台TensorFlow，進一步提升了其計算分析能力。GEE不僅提供在線的JavaScript API，同時也提供離線的Python API，通過這些API快速建立基於GEE以及谷歌雲的Web服務。此外，用戶在GEE上可以開發自己的演算法、生產系統數據產品或部署由GEE資源支持的互動式應用程序，無須成為應用程序開發、Web編程或HTML方面的專家（董金瑋等，2020）。基於GEE JavaScript API的用戶交互編程界面如圖1-1所示。
截至2021年12月底，GEE平台的地理空間數據量超過40 PB，包括影像數據、氣候和天氣數據、地球物理數據等超過600個公共數據集，其中影像數據包括全球尺度的陸地資源衛星Landsat系列、哨兵Sentinel系列、中解析度成像光譜儀（MODIS），以及局部區域的高解析度影像等；氣候和天氣數據包括表面溫度和發射率、長期氣候預測和地表變數的歷史插值、衛星觀測反演的大氣數據以及短時間預測和觀測的天氣數據；地球物理數據包括地形數據、土地覆被數據、農田分佈數據、夜晚燈光觀測數據等。GEE用戶可以上傳自己的矢量數據（Shapefile或CSV格式）或柵格數據（GeoTIFF格式）到GEE用戶數據集存放地點Assets上，然後進行後續分析。GEE將PB級的地理空間數據集目錄與全球尺度分析功能結合，用於檢測變化、繪製趨勢並量化地球表面的差異。
GEE能夠對全球範圍內海量衛星圖像和其他地球觀測數據進行存取，並提供足夠的運算能力對這些數據進行處理，為遙感大數據分析提供支撐，將遙感應用發展推向大眾化。然而，美國政府於2020年1月在出口管制條例上增加了「專門用於自動分析地理空間圖像的軟體」（Bureau of Industry and Security，Commerce，2020），提高了從美國向除加拿大之外的國家出口這些軟體的限制，GEE可能會被限制使用。此外，GEE未接入風雲、高分、資源等國產衛星數據，從而限制了國產衛星數據在GEE平台上的應用（程偉等，2022）。
2 Descartes Labs
Descartes Labs於2014年成立，其提供了一個PB級的地理空間數據集，現提供的數據源包括多光譜光學遙感影像、高解析度光學遙感影像、大氣數據、地球同步衛星觀測數據、SAR數據、高程數據、水文數據、氣象數據、AIS數據、土地利用數據