遥感信息工程

目录
前言
第1章 大数据背景下的遥感信息服务 1
1.1 对地观测进入大数据时代 2
1.1.1 对地观测平台快速发展 2
1.1.2 对地观测快速发展的驱动因素 9
1.2 大数据背景下遥感信息服务面临的挑战和机遇 14
1.2.1 对地观测大数据的特点分析 14
1.2.2 对地观测大数据处理面临“数据密集型计算”问题 16
1.2.3 对地观测数据增值服务需求日益旺盛 16
1.2.4 应用的深入迫切需要新的服务模式 18
1.3 大数据背景下遥感信息服务的几点思考 19
1.3.1 遥感数据工程建设 20
1.3.2 遥感数据智能提升 20
1.3.3 转变遥感信息服务模式 21
参考文献 22
第2章 遥感数据工程 25
2.1 遥感数据几何标准化 25
2.1.1 对地观测空间基准 25
2.1.2 遥感影像的几何定位模型 31
2.1.3 遥感影像几何配准 42
2.2 遥感数据辐射归一化 57
2.2.1 全要素一体化地表反射率反演 57
2.2.2 大区域中分辨率地表温度反演 66
2.3 遥感数据即得即用（RTU）产品体系 81
2.3.1 遥感数据即得即用（RTU）产品 81
2.3.2 RTU产品标准规范 86
2.3.3 遥感数据RTU产品工程化生产系统 106
参考文献 116
第3章 遥感数据智能 122
3.1 AI赋能遥感信息挖掘 122
3.1.1 遥感数据特征提取与表达 123
3.1.2 高质量的训练数据集和测试数据集的建立 133
3.1.3 应用牵引的遥感数据特定目标认知 148
3.2 地学知识约束的遥感数据（协同）认知计算 161
3.3 基于知识迁移的全球森林火烧迹地时序遥感信息挖掘 170
3.4 用户行为驱动的遥感信息服务智能化 175
参考文献 176
第4章 遥感信息工程应用 181
4.1 城市扩展遥感动态监测 182
4.1.1 高分辨率卫星数字正射影像图制作 183
4.1.2 城市扩展建筑物专题信息提取 187
4.2 大尺度陆表水体制图 193
4.2.1 陆表水体产品研究现状 193
4.2.2 基于多层感知器神经网络（MLP）的陆表水体提取 195
4.2.3 中国陆表水体制图 203
4.3 基于机器学习的全球森林覆盖及变化信息提取 206
4.3.1 森林覆盖产品生产技术路线 206
4.3.2 2019年全球森林覆盖状况及主要特征 208
4.3.3 全球森林覆盖产品的精度验证 217
参考文献 219