热带亚热带典型地物空天遥感样本标注

申报单位：海南省航天技术创新中心

推荐单位：海南省发展和改革委员会

一、案例简介

热带亚热带地区地理环境与气候条件复杂，各类地物遥感样本显著缺失。本案例运用遥感机理小样本标注与深度学习预标注海量数据的方法，有效提升标注数量、效率及精度，建立起多种地物的高精度样本集。该样本集为构建空天遥感海南本底信息库提供支持，分类识别精度超85%。在超强台风“摩羯”灾害评估中，样本集准确评估地物受灾状况，大幅缩短响应时间，为灾后重建和赔付决策提供可靠依据。

    整体框架

二、举措与成效

一是建立小样本数据标注结合深度学习海量样本预标注方法体系。针对海南特色作物光谱混淆问题，利用光谱仪分析地物反射率差异，结合高分影像提取树冠特征，制定差异化标注规则。通过小样本训练语义分割模型进行预标注，再通过人工审核修正，无人机辅助验证，形成“预标注－审核－优化”的闭环系统。成功建立了海南典型地物空天遥感识别样本库，并对17种地物进行了有效识别，识别精度优于85%，构建了覆盖全岛及海域的数据底板。台风“摩羯”过后，利用样本集快速提取受灾信息，发现文昌市35.4%椰林、90%海防林、80.5%红树林受损，及时为灾后赔付等提供了关键数据支撑。

二是构建南海内波、涡旋等典型中尺度/亚中尺度海洋动力过程统一检测模型的标注样本。南海存在多尺度海洋动力过程，基于L/C/X多波段SAR雷达遥感影像，利用“物理特征约束+小样本标注”技术，构建南海内波+涡旋统一检测模型样本集，支撑协同识别模型建立，检测精度达86%，实现了不同海洋动力现象的协同识别，已应用于“海哨一号”SAR卫星南海业务化监测系统。

三、特色亮点

一是陆地场景定制化标注，破解植被遥感样本混淆难题。针对热带亚热带植被遥感特征易混淆的难题，深入开展遥感机理分析，制定差异化标注规范，突破传统通用标注准则局限性，显著提升遥感数据在热带亚热带监测中的应用价值。

二是海洋动力现象协同标注，支撑南海业务化监测。针对SAR雷达影像以往只能单一识别某一类海洋动力过程的难题，通过“物理约束+小样本标注”技术体系支撑建立内波+涡旋统一检测模型样本集，实现多模态、多过程海洋现象的协同识别模型，显著提升南海海洋动力环境天基感知能力。

三是无人机+深度学习生成，破解样本采集效率瓶颈。针对人工标注效率低、成本高的痛点，案例提出“小样本+深度学习生成”技术路径，批量生成不同光照、云雾条件的样本数据，显著提升标注效率。

    信息来源：国家数据局