通(tōng)用的占位符縮略圖

自(zì)然資源應用 /

基于遙感AI技(jì)術(shù)的自(zì)然資源監測案例

一(yī)、案例概述

      基于AI 技(jì)術(shù)構建空天地一(yī)體化智能(néng)監測平台,統籌獲取多(duō)源監測數據,通(tōng)過集群化處理,實現變化圖斑的快速提取并通(tōng)過“互聯網+”圖斑核查方法,将變化圖斑由省級下(xià)發到(dào)市(shì)縣,由縣級實施圖斑的核查,必要時可通(tōng)過移動端進行外業(yè)實地核查,然後上(shàng)報(bào)至市(shì)、省級審核,最後對監測成果進行統計分析。其中,自(zì)然資源遙感衛星平台實現全省範圍内的宏觀監測(季度監測或月(yuè)度監測),中低(dī)空航測無人機(jī)實現省内重點區域/ 重點圖斑的精細監測(即應急監測),地面終端實現小(xiǎo)範圍内的即時監測和變化圖斑的實地核查 ,最終形成季報(bào)、月(yuè)報(bào)、專報(bào),為(wèi)自(zì)然資源調查、監測和監管提供基礎信息和專題産品服務。

 

二、案例特色

      AI 技(jì)術(shù):通(tōng)過構建深度學習神經網絡模型,利用海量訓練數據(樣本庫)自(zì)主學習數據的特征,實現精準化、智能(néng)化信息提取。相(xiàng)比淺層學習,深度學習的多(duō)隐層神經網絡具有優異的特征學習能(néng)力,學習得到(dào)的特征對數據有更本質的刻畫(huà)。大數據時代的到(dào)來、高(gāo)性能(néng)計算(suàn)的發展都為(wèi)深度學習的成熟提供了土(tǔ)壤。

 

三、案例展示