Satellite Image Analysis

卫星图像分析是从轨道卫星拍摄的地球图像中提取信息，包括绘制土地覆盖图、统计船舶、飞机或建筑物、测量作物健康状况，以及检测两个日期之间的变化。它属于遥感领域，遥感也涵盖来自飞机和无人机的图像；如今，卫星图像分析依靠计算机视觉（CV）和深度学习（DL），来处理大量图像，其规模之大，任何分析团队都无法手动检查。Landsat计划自 1972 年以来一直在持续拍摄地球。

卫星捕捉的内容#

卫星图像在四种分辨率上与普通照片有所不同：

• 空间分辨率：每个像素所覆盖的地面距离。Landsat 8 和 9 的大多数波段分辨率为 30 m，Sentinel-2 可达到 10 m；Vantor 运营的 WorldView-3 等商业卫星（截至 2025 年 10 月，其名称为 Maxar Intelligence）分辨率约为 30 cm，足以看清单辆汽车。
• 光谱分辨率：波长波段的数量和宽度。Sentinel-2 可记录从可见光到短波红外的 13 个波段。
• 时间分辨率：对同一地点进行成像的频率。由两颗卫星组成的 Sentinel-2 星座每五天重访一次赤道，而 Planet 的小型卫星群每天都会拍摄地球上几乎所有陆地表面，分辨率约为 3 m。
• 辐射分辨率：每个像素记录亮度的精细程度，通常为 11 至 14 位；标准照片则为 8 位。

另外两种传感器类型拓展了卫星的测量能力。高光谱成像卫星会记录数百个窄波段，而 Sentinel-1 等合成孔径雷达（SAR）卫星会发射微波脉冲并记录回波，因此能够穿透云层并在夜间成像；这使雷达成为在风暴云层下绘制洪水范围的主要数据来源。波段运算可以将光谱数据转化为物理测量值：归一化差异植被指数 NDVI = (NIR − Red) / (NIR + Red)，在茂密健康的植被上接近 1，因为叶片会强烈反射近红外光并吸收红光。

核心分析任务#

• 语义分割：为每个像素标注类别，以绘制土地覆盖、建筑物轮廓、道路或洪水范围。
• 目标检测：查找并统计船舶、飞机、车辆和储油罐等独立目标。从上方观察时，这些目标体积小、排列密集，朝向各不相同，因此检测器通常会预测旋转以贴合每个目标的有向边界框。
• 变化检测：比较同一地点不同日期的图像，以发现森林砍伐、新建建筑或灾害造成的损毁。
• 场景分类：为每个图像块分配一个标签，例如农田、森林或城市区域。

用于俯视图像的检测数据集包括 DOTA，其首个版本为 15 个类别标注了任意方向的框；还有 xView，它在 0.3 米分辨率的 WorldView-3 图像中为 60 个类别标注了超过 100 万个目标。Ultralytics YOLO26 定向边界框模型使用 DOTAv1进行预训练，并为每个目标预测一个旋转框：

from ultralytics import YOLO

# 加载一个使用 DOTAv1 预训练的 YOLO26 定向边界框 (OBB) 模型
model = YOLO("yolo26n-obb.pt")

# 检测俯视图像中的目标
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# 保存图像，并在每个检测结果周围绘制旋转框
result.save(filename="boats_obb.jpg")

旋转框会沿着每艘船的航向贴合，因此紧密系泊的船只不会共用一个过大的框。在大型无标签档案（例如 NASA 和 IBM 的档案）上预训练的地理空间基础模型，如基于 Harmonized Landsat 和 Sentinel-2 数据构建的 Prithvi 模型，可以用少得多的标注样本进行微调，以完成洪水和火烧迹地制图等任务。

从原始场景到地图#

单个 Sentinel-2 瓦片在 10 m 波段上的尺寸为 10,980 × 10,980 像素，远大于模型的输入尺寸；它以 GeoTIFF 等地理配准文件的形式提供，其中像素映射到地球上的坐标。分析流水线会进行大气校正、屏蔽云层、将场景切分为有重叠的瓦片、在每个瓦片上运行模型、在瓦片重叠处合并重复检测结果，并将像素位置转换回地图坐标，供 GIS 工具使用。诸如 Rasterio 之类的库可以读写地理配准栅格，而图像配准会在比较不同日期的图像之前将它们对齐。

卫星与航空图像分析#

两者使用相同的模型和任务，区别在于平台。卫星在数百千米高空绕地球运行，按固定计划拍摄整个星球，且档案记录可追溯数十年。飞机和无人机按需飞越小范围区域，可拍摄厘米级细节，适合检查屋顶、农作物或风力涡轮机叶片。俯视目标检测数据集通常混合这两种来源，DOTA 就同时包含卫星和航空图像。

应用场景#

• 农业：绘制作物类型地图、估算产量，并基于 NDVI 监测整个地区的作物胁迫情况。
• 森林与气候：基于 Landsat 的全球树木覆盖损失地图以 30 m 分辨率逐年追踪森林砍伐。
• 灾害响应：SAR 洪水地图和灾前灾后损害评估为救援工作提供指导，而国际空间与重大灾害宪章免费向救援人员提供卫星数据。
• 城市规划：建筑物占地范围提取和道路测绘有助于保持快速发展城市的地图信息及时更新。
• 海事监测：一项 2024 年发表于 Nature 的研究结合 SAR 和光学检测结果与船舶追踪数据，发现全球约四分之三的工业捕鱼船只未被公开追踪。