“遥感地学分析”学科交叉教学的双重探索.docx

“遥感地学分析”学科交叉教学的双重探索

摘要：本文针对大科学和大数据时代遥感技术发展的新趋势进行了分析，新技术如人工智能的迅速发展推动了科技革命和产业变革，引发了遥感与人工智能等多学科交叉融合，深刻改变了“遥感地学应用”的教学内容和教学模式。以“遥感地学分析”课程为例，本文探讨了本科教学模式和教学策略的双重探索。通过遥感学术前沿导向、跨学科整合和个性化实践导向的教学模式，引导学生综合运用多学科知识解决遥感应用问题，紧跟遥感科学前沿探索“遥感地学分析”学科交叉的教学内容与教学模式。

卫星遥感技术在中国经过数十年的发展已逐步走向成熟，主要体现在陆地、气象和海洋三大遥感卫星系统上。在大气遥感、植被遥感、水环境遥感、土壤遥感、地质遥感以及土地利用与全球变化等多学科交叉领域得到广泛应用。陆地遥感卫星系统发展迅速，特别是商业小卫星领域。目前，我国共发射了200多颗地球遥感卫星，形成了资源、高分、环境和小卫星4个对地遥感观测卫星系列。中国卫星传感器类型、空间分辨率和重访周期处于国际先进水平，尤其GF5和ZY102D高光谱遥感卫星技术等处于国际领先地位。经过20年发展，国际上已发射近100颗民用陆地观测卫星，传感器的时间、空间和光谱分辨率得到大幅提升。结合人工智能AI领域的深度学习大数据模型对知识的抽取方法，在高分卫星和高光谱等多源遥感数据驱动下发展了模型驱动的理论方法，遥感技术迈向了大科学时代的新阶段，而学科交叉融合是大科学时代的前沿课题［1］。

气象遥感卫星系统发展相对成熟，涵盖极轨和静止两大系列卫星，能够探测大气要素，但卫星数量偏少，传感器时空分辨率较低，缺乏关键要素如大气风场的精细探测能力。气象卫星的应用场景除了天气预报，还应用于农业监测、大气碳含量、防灾减灾和全球生态气候领域等。

虽然我国海洋遥感卫星系统起步较晚，但我国海洋卫星体系已基本建成，星—地系统进入业务化运行阶段，初步形成了海洋水色、海洋动力环境卫星和海洋监视监测3大卫星格局。面临海洋卫星数量较少、传感器观测要素有限且时空分辨率较低等问题。通过数据分析研究发现，很多海洋现象的变化过程与规律已经在海洋环境与资源监测、海洋灾害监测、海洋权益维护、海洋环境预报与南北极考察、安全保障以及全球气候变化研究中发挥了重要作用。

随着对地观测系统的日益完善，面向大气、海洋、陆地、生态等要素的多尺度、多角度、多光谱、多时相遥感数据呈现爆发式增长的态势，传统遥感技术手段远不能满足大数据应用场景的需求。随着新一代信息技术的迅猛发展，云计算、大数据、高性能计算等前沿技术被引入卫星遥感领域，使海量遥感信息的高效存储、准确处理、实时共享成为可能，奠定了遥感商业化发展的技术基础。人工智能技术被引入卫星遥感影像处理领域，有效地解决了激增的遥感数据、日益增加的应用需求以及传统技术手段的瓶颈三者之间的矛盾，全方面提升遥感数据的自动化处理、分析能力，相关的技术已应用在包括目标检测、变化检测、路网提取、云雪检测、水体提取、土地利用类型分类、建筑物提取等多个遥感应用场景，大幅缩短了遥感影响处理周期，提高图像处理精度。因此，在学科深度交叉融合的大数据时代如何完善“遥感地学分析”的课程的教学内容是重要的教学研究课题，对指导高校相关课程的教学改革实践具有重要的参考和借鉴意义。

1大数据和大科学时代遥感学科发展的新趋势

大数据技术的崛起使遥感科学逐渐转向数据驱动的科学研究，强调数据处理、分析和挖掘，促进环境、气候、资源管理等领域的新科学发现和合理的解决方案。而大科学时代在智能化深度学习驱动下，从传统的手工特征提取走向智能化的深度特征表达，从不完备的样本信息利用走向更为精准的样本学习与反馈，从简单遥感分类任务走向更为复杂的多源、多类、多场景、多时序应用任务。虽然遥感技术迈向了数据—模型—知识耦合的新阶段，但遥感技术仍然面临来自数据、模型和应用层面的挑战。关键问题包括模型的可解释性、泛化及迁移能力、跨数据—跨场景—跨模态应用水平等。多模态遥感融合、有效样本学习策略与模型耦合、非监督与监督模型组合、高可信和智能化变化检测服务、云平台变化检测应用等将是今后可关注的重要发展趋势。不同平台和来源的遥感数据融合应用，提供了更全面、多样化的信息支持，同时，地球大数据背景下的遥感技术的应用逐渐向服务化转变，因此在“遥感地学分析”教学改革与实践中需要更多关注遥感学科的前沿问题［2］。随着对地观测系统的不断完善，大气、海洋、陆地和生态等多个要素的遥感数据呈现出爆发式增长的趋势。围绕社会发展需求和新兴技术，“遥感地学分析”授课内容应该把握住这种趋势，传统的遥感技术已无法满足如此庞大数据量的应用需求，但新一代信息技术的发展为遥感商业化奠定了技术基础，包括云计算、大数据和高性能计算等。先进技术的引入使海量遥感数据的高效存储、准确处理和实时共享成为可能