一、引言

近年来，随着航天航空技术、计算机技术、网络通信技术和信息技术的飞速发展，摄影测量与遥感多种传感器和遥感平台出现并逐渐成熟，遥感数据获取的能力不断增强，形成了以多源（多平台、多传感器、多角度）、高分辨率（光谱、空间、时间、辐射）为特点的高效、多样、快速的空天地一体化数据获取手段。

在数据处理方面，针对高空间分辨率、高光谱分辨率、合成孔径雷达（SAR）以及激光雷达（LiDAR）等专题数据处理的算法在性能上得到进一步完善。

高分辨率遥感图像中虽然地物细节非常丰富，但是基于像元的图像分析易受地物几何形态多样、光谱异质性强、地物对象多尺度化等因素影响，因此必须强调空间关系、几何特征的应用以及多尺度分析。目前，面向对象分析成为高分辨率遥感图像的主流分析方法。而通过多源遥感数据综合利用高分辨率与中低分辨率遥感图像发挥各自的优势，有益于提高信息解译能力。多时相遥感的重点是面向对象变化检测技术的研究以及空间特征在变化检测中的有效利用研究。

高光谱遥感技术，除硬件性能不断提高外，关于高光谱影像处理研究主要集中在特征挖掘、分类、混合像元分解、目标识别、参数反演、高性能计算等方面。

针对SAR数据的处理包括相干分析、相位干涉（即合成孔径雷达干涉）、幅度追踪、极化分析、层析建模和立体摄影测量等多种数据处理技术。其中，多时相SAR干涉测量、极化干涉测量和SAR层析建模技术是近来SAR数据处理和研究的热点。

激光雷达（LiDAR）根据应用目的不同以及技术上的差异，其数据处理研究集中在探测空气污染物、获取气溶胶高度特征、森林结构参数提取和森林制图以及提高点云滤波以及地物模型重建算法精度及效率等方面。

此外，随着航空航天遥感正在朝“三多”（多传感器、多平台、多角度）和“四高”（高空间分辨率、高光谱分辨率、高时相分辨率、高辐射分辨率）方向发展，遥感的应用分析正在由定性转向定量，航空航天遥感数据已经成为地形图测绘与更新的主要数据源，遥感数据产品呈现出高/中/低空间分辨率、多光谱/高光谱/合成孔径雷达共存的趋势。传感器及其平台的迅速发展，大大增加了空间数据获取的途径和来源。如何高效、快捷、准确地处理这些种类繁多、形式各异的海量数据，成为自动化遥感数据处理领域所面临的新的技术挑战。因此，寻求切实可行的海量数据处理的方式和方法、最大限度地实现自动化、实现测绘行业从劳动密集型到技术密集型产业的转换，是自动化数据处理所迫切需要解决的关键问题。

在摄影测量与遥感学科方面，目前国内高校中摄影测量与遥感本科专业建设主要依托测绘科学与技术学科，近年来国内高校在摄影测量与遥感学术建制、人才培养、基础研究平台建设等方面均有所进展。

本报告首先分别从高分辨率遥感技术、高光谱遥感技术、合成孔径雷达技术以及激光雷达技术等方面回顾了近两年摄影测量与遥感专业技术进展，并归纳总结了典型高校近年来摄影测量与遥感学科建设的主要进展，然后比较分析了国内外摄影测量与遥感技术发展动态及方向，最后对本专业发展趋势及前景进行了展望。

二、本专业国内发展现状

⒈ 专业技术进展

⑴高分辨率遥感技术

高分辨率遥感图像中虽然地物细节非常丰富，但是基于像元的图像分析易受地物几何形态多样、光谱异质性强、地物对象多尺度化等因素影响，因此必须强调空间关系、几何特征的应用以及多尺度分析。目前，面向对象分析成为高分辨率遥感图像的主流分析方法。即，首先图像分割必须具有多尺度分割的能力，以聚合不同尺度的地物对象。图像分割研究中多尺度分割算法的创新（Zhang，et al.，2014）、分割参数优化与分割尺度选择（Witharana，et al.，2014）等是热点问题，特别是如何从多尺度中自动选择若干个具有地理意义的尺度进行分析（Yang，et al.，2014）需要重点关注。在对象分析阶段，如何提取有效的对象特征、如何有效地应用分类器（Huang et al.，2014）是提高分类结果精度的重要途径。此外，也有学者将投票决策或者马尔科夫随机场、条件随机场等方法引入到高分辨率遥感影像分类过程中（Moser，et al.，2013；Zhong，et al.，2014）。

近年来，利用多源、多时相遥感数据也是高分辨率遥感图像信息提取的重点之一。通过多源遥感数据综合利用高分辨率与中低分辨率遥感图像发挥各自的优势，有益于提高信息解译能力。多时相遥感的重点是面向对象变化检测技术的研究，以及空间特征在变化检测中的有效利用研究（Chen，et al.，2013）。另外，几何配准、光照差异、成像角度、阴影差异等对高分辨率遥感图像变化检测具有重要的影响，目前已有研究试图消除或剥离这些因素的影响（Bruzzone and Bovolo，2013；Chen，et al.，2014），值得进一步关注。

最新的研究动态表明，对高分辨率遥感图像场景的机器理解将成为研究热点。场景中复杂目标识别、场景分类等问题引起了较多的关注（Cheriyadat A.M.，2014; Zhang，etal.，2015）。而图像的场景理解研究需要标准的数据集作为支撑，目前已有若干数据集出现（Zhang，et al.，2015），但还需要进一步发展和完善。此外，随着高分辨率遥感图像数据的日渐丰富，图像数据的管理、检索问题成为大规模数据应用的瓶颈。目前国际上已建立了多个基于内容的图像检索与信息挖掘系统（Quartulli and Olaizola，2013），国内研究人员对这方面的关注还相对较少。

⑵高光谱遥感技术

高光谱遥感技术，除硬件性能不断提高外，其影像处理技术一直是学者研究的焦点，目前关于高光谱影像处理研究主要集中在特征挖掘、分类、混合像元分解、目标识别、参数反演、高性能计算等方面。

在影像特征挖掘方面，大量算法是在特征提取、特征选择两种策略框架下提出，包括从原始波段集中选择若干波段的特征选择方法、对原始波段集进行线性或非线性变换实现降维的特征提取方法等（何明一，等，2013）。各种非线性特征提取方法是近年来的研究热点，流形学习在高光谱数据降维中体现出了明显的优点（Lunga，et al.，2014）。（孙伟伟，等，2013）基于等距映射和局部切空间排列非线性降维，提出了两种流形坐标的差异图法来提取高光谱影像内部的潜在特征。

在分类方面，由于光谱 - 空间分类是提升高光谱遥感影像分类精度和可靠性的有效方法，因此形态学剖面、扩展形态剖面、扩展属性剖面、马尔可夫随机场等特征描述技术，结合特征复合核函数以及支持向量机被提出用于提高影像分类精度（李娜，等，2014；Khodadadzadeh，et al.，2014）。此外，继过去几年支持向量机（SVM）、多元逻辑回归（MLR）等的研究不断深入之后，新型分类器的发展是高光谱影像分类一个重要的研究方向，最近两年，极限学习机（ELM）作为一种新的快速分类算法开始得到重视（Samat，Du，et al.，2014）。同时，人工DNA计算也在高光谱遥感数据编码、匹配与分类中体现出了很好的效果（Jiao，Zhong，and Zhang，2014）。稀疏表达近年来也在高光谱影像分类中得到进一步的应用（Qian，et al.，2013; Li，et al.，2014a&2014b）。此外，多分类器集成是高光谱遥感影像分类另外一个重要的发展方向。在Boosting、Bagging、Random Forest等集成学习算法在高光谱遥感影像分类中得到良好应用效果的基础上，（Xia， et al.，2014）将另外一种最新的多分类器方法—Rotation Forest用于高光谱影像分类，并和单分类器SVM 以及其他多分类器算法包括 Bagging、AdaBoost、Random Forest进行了比较，结果表明，Rotation Forest分类性能优于SVM和其他多分类器方法。

混合像元分解（unmixing）是高光谱遥感影像处理另外一个内容，关键问题包括端元数量确定、端元提取、端元丰度求解模型等。鉴于稀疏表示的优秀性能，近来稀疏表示在混合像元分解中得到了较多的应用（宋义刚，等，2013）。在端元提取方面，空间-光谱特征综合的端元提取体现出了明显的优点。（Ma，et al.，2014）则从信号处理的视角对高光谱混合像元分解进行了综述，重点探讨了信号处理前沿方法在高光谱混合像元分解中的应用。

高光谱目标识别主要是利用感兴趣目标的特征和精细光谱信号实现目标识别，已在安全、军事等领域具有广泛深入的应用（张良培，2014）。高光谱目标识别主要包括两个步骤：一是异常检测以确定与背景具有不同光谱特征的像元，二是确定目标是否是感兴趣的像元（Bioucas-Dias，et al.，2013）。近年来，稀疏表达、核学习和非线性模型也在目标识别中得到了应用，特别是基于核学习的方法能够取得优于线性模型的效果。迁移学习通过在源影像和目标影像中的知识迁移，能够进一步提高目标识别算法的性能（Zhang，et al.，2014）。高光谱遥感定量参数地表反演的模型主要包括统计模型、物理模型和混合模型（Bioucas-Dias，et al.，2013）。统计模型仍然是目前应用最为广泛的高光谱物理参数反演模型，除传统线性回归模型外，偏最小二乘回归、支持向量回归、高斯过程回归、人工神经网络等体现出了明显的优越，如Tan等利用地面实测光谱对矿区复垦农田土壤砷含量进行反演（Tan，et al.，2014b）。物理反演模型基于辐射传输模型，主要用于植被参数正演和反演，重点是前向模型的建立。混合模型则综合了统计模型和物理模型的优点（Bioucas-Dias，et al.，2013）。

此外，高光谱数据与其他数据的融合也是当前高光谱信息处理一个重要方面，如成像光谱数据与机载 LiDAR 数据融合用于森林生态系统描述（Torabzadeh，et al.，2014；刘丽娟，等，2013）、高光谱与多光谱影像融合等（Palsson，et al.，2014）。

在应用方面，高光谱遥感应用的研究近年来的主要集中在农作物无损检测与品质评价、农业病害检测、植被参数反演、土壤参数（重金属、有机质、盐分等）反演（史舟，等，2014；于士凯，等，2013；付馨，等，2013）、矿物蚀变信息提取与岩矿识别（刘汉湖，等，2013）、水体富营养化评价、油气资源探测（周子勇，2014）等方面。

⑶合成孔径雷达（SAR）技术

鉴于SAR影像中包含有振幅、相位、极化、时空变化等多种信息，针对这些信息的处理衍生了相干分析、相位干涉（即合成孔径雷达干涉）、幅度追踪、极化分析、层析建模和立体摄影测量等多种数据处理技术。其中，多时相 SAR 干涉测量、极化干涉测量和SAR层析建模技术是近来 SAR 数据处理和研究的热点。

SAR干涉测量（InSAR）是利用覆盖同一地区的两景或多景影像获取地表地形或形变信息的一种技术。由于InSAR对地表位移的高度敏感性，其在地表形变监测中得到了广泛应用，该技术被称为差分InSAR（即 Differential InSAR，DInSAR）。然而，由于受到时空失相关、大气延迟和“二轨”DInSAR中的地表高程误差的影响，其在缓慢累积地表形变监测中的应用受到限制。因此，关于DInSAR的研究和应用逐步转向地震、火山、滑坡及冰流和矿产开采等引发的显著地表形变的监测，并出现了分孔径干涉（Multi-Aperture Interferometry，MAI）和基于SAR强度信息的像素偏移量（Pixel Offset Tracking，POT）估计技术及与DInSAR进行结合反演地表三维形变的技术，弥补了DInSAR仅能测量单一LOS向形变的不足。针对常规DInSAR在监测缓慢地表形变中所存在的缺陷，国外学者率先提出永久散射体干涉（PSI），小基线集（SBAS）干涉为代表的多时相 InSAR（MTInSAR）技术。目前，MTInSAR已成为地表长时间形变序列监测的重要技术手段。除了经典的PSI、SBAS方法，还出现了如干涉点目标分析（IPTA）、时空解缠网络法（STUN）、半PS算法（QPS）、PS网络化分析（PSNA）、StaMPS、时域相干点目标分析算法（TCPInSAR）等改进算法（D.Lunga，et al.，2014）。这些 MTInSAR算法的共同点是均针对高质量的点目标进行分析解算，面对自然地表高质量点目标较少的区域，这些方法无法同时保证形变的精度和点位的密度。

由于极化SAR（Pol-SAR）具有对地表地物空间分布高度敏感的特性，将极化与干涉技术结合形成极化干涉 SAR（Pol-InSAR），则可以同时把目标的精细物理特征与空间分布特性结合起来，并提取它们之间的相互关系。Pol-InSAR 已在地形测绘、微地形变化检测、植被生物量估计等众多领域得到应用。特别地，双极化或全极化SAR与MTInSAR 技术相结合，利用目标散射极化信息可以选择出更多高相位质量的相干目标点，从而获取高分辨率和高精度的地表形变场（Alipour S.，et al.，2013；Navarro Sanchez，V.D.，et al.，2014）。

此外，将合成孔径的原理引入到三维空间，可以克服传统 InSAR 技术难以区分同一分辨单元内不同散射体信息的缺陷，这就是近年来兴起的层析SAR（Tomographic SAR，TomoSAR）技术（庞礴，等，2013）。随着TerraSAR-X和COSMO-SkyMed等具有1m分辨率的高分辨星载SAR系统的投入使用，为城市区域和人造目标的层析三维（3D）成像研究提供了更加有利的条件，并且能够促进复杂地区长时间序列形变的监测，即4D甚至5D层析SAR技术（3D空间+时间+温度）（Fornaro G.，et al.，2014）。国内外众多研究机构，如德国宇航中心（DLR）、武汉大学及中科院电子所等已经利用SAR层析技术在建筑物三维信息提取、森林垂直反演，城市动态形变监测等领域展开了研究和应用。

总之，日益丰富的SAR数据和不断提升的对地观测需求，对现阶段SAR数据处理方法和效率都提出了更高的要求。目前国内已有众多SAR遥感研究团队紧跟国际前沿，在SAR传感器及平台研发、数据处理等方面取得了长足的进展，并在时序InSAR的研究和应用方面处于国际先进水平。

⑷激光雷达（LiDAR）技术

激光雷达（LiDAR）根据应用目的不同以及技术上的差异，其数据处理研究目前主要集中在以下方面：

在大气探测方面。通过LiDAR数据可以估算空气中球形和非球形粒子的消光系数，之后对消光系数中非球形和球形气溶胶的贡献，可较好的探测空气污染物；基于LiDAR基于利用聚类分析方法估算大气边界层；根据LiDAR数据的反射信号可提取气溶胶垂直分布。

在植被提取方面。由于LiDAR提供了测量森林结构参数的方法，包括平均冠层高度、高度一致性、水平冠层分布、叶面积密度轮廓的变量系数、森林覆盖、密度等参数，根据这些参数可准确反演森林材积、树干蓄积、地上生物量等植被信息；同时研究发现从LiDAR 波形数据中计算出波形宽度、样本偏度、波形振幅、波形标准差和第一偏度系数/标准差与生物量密度具有相关性；根据冠层高度信息可以准确探测精准的物种分布模型以及栖息地制图信息；生成的高度信息与MODIS、MISE数据结合可生成高精度LAI；通过对冠层点云数据体元化可以计算出光穿透系数以及树冠叶面积，对于估算森林叶方向分布以及森林制图具有重要意义。

在地貌重建方面。通过激光后向散射信号可提取自然风化断层陡坡信息，重建断层历史；利用LiDAR生成的高精度DEM结合斜导数方法生成坡度等信息表征地貌特征，可用来分析地形，进行山崩、泥石流制图，改善地表流动模型等；同时可获取断层线方向分布，对于理解地震灾害非常重要。因此，作为利用LiDAR数据重建DEM的关键技术——点云滤波算法，提高滤波结果精度以及算法的自动化程度仍是点云数据处理研究的重点。

此外，基于LiDAR点云的地物提取及建模仍是LiDAR数据处理研究的重点内容，包括建筑物、电力线、道路及桥梁的提取及重建等。随着LiDAR系统在数据获取性能上的提高，点云的密度不断提高，因此，针对地物提取及重建的效率和质量仍是当前和未来LiDAR点云处理研究的一个重要方向。

⑸自动化遥感测绘技术

传感器及其平台的迅速发展，大大增加了空间数据获取的途径和来源。如何高效、快捷、准确地处理这些种类繁多、形式各异的海量数据，成为自动化遥感数据处理领域所面临的新的技术挑战，因此，寻求切实可行的海量数据处理的方式和方法，最大限度地实现自动化，实现测绘行业从劳动密集型到技术密集型产业的转换，是自动化数据处理所迫切需要解决的关键问题。

①自动化遥感数据处理技术

自动化数据处理是从多源异构航空航天遥感数据经过精准几何、辐射处理到空间信息及地学知识转化的关键步骤。目前，针对多源、异构遥感数据的快速自动化处理通常需要涉及以下关键技术：

❶高性能遥感数据集群与协同处理技术。如新一代高性能遥感数据集群处理技术、基于网络的遥感影像处理的远程调用与协作机制等。

❷高分辨率航空航天光学遥感数据处理技术。如高精度遥感成像模型及有理函数模型、多线阵/多角度多视影像区域网平差技术、稀少或无控制的卫星影像高精度定位技术、多角度多视影像自动匹配及三维信息提取技术、多源异构遥感影像融合处理及信息提取技术等。

❸合成孔径雷达（SAR）数据处理技术。如机载/星载SAR高精度干涉地形测量技术、自主产权的多模态、分布式SAR干涉测量数据处理技术、超宽带SAR隐形地面目标探测处理技术、激光SAR地形测绘数据处理技术及自主产权的自动化、智能化、集成化SAR数据处理专业系统。

❹激光雷达（LiDAR）数据处理技术。如激光点云数据处理、条带平差和拼接方法、DSM自动/自适应滤波和DEM生成技术、激光扫描数据与影像数据综合分析及三维地形信息提取技术等。

❺智能化遥感数据解译技术。如空间信息认知模型和遥感影像智能解译理论、新型遥感影像信息解译与目标识别智能方法、遥感影像智能解译的尺度模型及多尺度分析方法、基于图斑的遥感影像智能解译与变化提取技术、高分辨率影像解译与自动识别软件系统等。

②高精度影像匹配算法

影像匹配——尽管这一问题已经研究了几十年，但至今仍存在许多限制因素。关于影像匹配算法的分类最直观的方式是基于配准基元进行分类，也即是围绕单一兴趣点附近的灰度窗口进行匹配，可以归类为“基于区域的匹配”算法ABM（Area-Based Matching）和“基于特征的匹配”算法FBM（Feature-Based Matching）。从匹配策略上分类，当今主流的算法分为两种主要的思路，一是通过立体像对的匹配以及匹配得到的视差图的融合完成整个匹配过程（Hermann and Klette，2013）；另一种则通过多视影像的同名对应完成匹配过程（Multi-View Stereo-MVS）（Toldo，et al.，2013）。

从相似性测度上看，现今提出的大多数匹配算法都是基于相似性（Similarity）或者光学一致性（Photo-Consistency），这些方法比较的是影像之间的像素值，根据算法的不同这些测度可以定义在影像空间或者物方空间。而其中最常见的测度或者说匹配代价有以下几种：强度差异的绝对值或者平方值，Normalized Cross-Correlation（NCC），密集特征描述，Census变换，互信息，基于梯度的算法以及BRDFs（Bidirectional Reflectance Distribution Functions）方法。密集的多视重建方法将同时使用多视的光学和几何一致性，为初始化匹配流程，许多多视匹配方法需要一个粗略的场景表面模型做为初值。

密集匹配已成为得到表达地表的密集3D点云的关键步骤。目前密集匹配方法可以分为采用多层次的双向密集匹配方法以及采用多视密集匹配算法。密集匹配算法中真正的创新点除了基于像素的匹配外，在于将不同的基本相关算法、一致性测度、可视性模型、形状知识、约束条件和最优化策略集成到多步流程之中。在许多方法中，执行这一集成策略的方式大多通过多分辨率的途径完成。如今的商业软件包也正在朝此方向推进。

总之，影像匹配技术虽经过了多年的发展，但是其潜力并没有完全被发掘。目前影像匹配的进展主要在三方面进行：

❶GPU，网格计算，FPGA等加速现有的算法（SGM 等）；

❷通过增加多传感器增加额外的信息（如倾斜影像）；

❸发展影像理解技术（较为困难，进展缓慢）。

③三维城市精细建模技术

由于传统的航空摄影和机载LiDAR技术手段难以获取大量的地物侧面纹理，难以进行三维城市全景精细建模，而发展迅速的倾斜摄影技术可在获取顶面纹理的同时，其搭载的倾斜相机能够同时获得地物的侧面纹理，可为三维城市精细建模提供数据基础。但是由于倾斜视角的存在，导致获得的相片遮挡严重，相片内部的尺度不一，造成了倾斜影像自动处理的困难。目前，倾斜影像的处理技术主要包括区域网平差处理，点云构网以及多视纹理映射等。

区域网平差方面。在倾斜影像的多相机联合平差问题上，已有学者提出在光束法平差过程中引入一些额外的约束条件（影像之间的相对位置，场景中的垂线等），或者简单地利用已经经过定向的下视影像与GNSS/IMU信息，解算未经定向的倾斜相片。其中E.Rupnik（2013）利用无约束的平差方式得到了较好的结果（0.5个像素的σ），该平差方式设定每一个影像都使用独立的外方位元素（EO），对于相同相机拍摄的影像使用共同的的内方位元素（IO），则此时的处理方法就是传统的共线方程的组合。这种方式没有加入诸如影像之间的偏移等的约束，但缺点在于方程的数量急剧增大。

点云的三维构网方面。在获得密集的三维点云的基础上重建出物体的表面是影像建模的另一重要问题。到目前为止，已有大量的解决方案被提出，如基于Delaunay三角网的方法，Ball-Pivoting算法，基于水平集的算法以及基于泊松方程的表面构建算法。但这些算法在重建三维模型时，如何快速从海量点云中构建特征无损的精细模型仍是目前需要解决的问题。

自动纹理映射方面。纹理映射过程中的需要解决两个问题，第一选择最佳的相片，第二纹理的色彩过渡问题。对于问题一，研究人员通过构建最优选片模型，通过计分投票的方式得到最佳纹理候选片。对于问题二，已有大量学者进行过相关研究，如多波段色彩融合方法以及泊松融合方法，两者都是色彩过渡处理的经典方法，但由于泊松融合的优点是不需要大范围的重叠区域，适用性更广。

⒉ 摄影测量与遥感学科进展

目前，国内高校中摄影测量与遥感本科专业建设主要依托测绘科学与技术学科，开设的高校有武汉大学、解放军信息工程大学、同济大学、中国矿业大学、西南交通大学、中南大学等，同时也有多所综合性大学设置了摄影测量与遥感学科，培养研究生，如北京大学、南京大学等。本节将简要介绍代表性高校在摄影测量与遥感学术建制、人才培养、基础研究平台建设等方面所取得的主要进展。

武汉大学作为拥有全国首批国家重点学科和“211工程”重点建设学科摄影测量与遥感的高校，自1956年以来，经过当代中国测绘事业的开拓者、摄影测量与遥感学科奠基人王之卓院士和学术带头人李德仁院士、张祖勋院士、龚健雅院士等专家的辛勤耕耘，学校已形成从学士、硕士、博士到博士后的完整人才培养体系。现有遥感科学与技术、地理国情监测2个本科专业；拥有摄影测量与遥感、地图学与地理信息系统、模式识别与智能系统3个学术型硕士学位授权点和测绘工程领域专业硕士学位授权点；拥有摄影测量与遥感、地图制图学与地理信息工程2个博士学位授权点；设有测绘科学与技术博士后科研流动站。武汉大学遥感信息工程学院于2012年开设的全国首个地理国情监测本科专业并开始全国招生，进一步完善了人才培养模式。在平台建设方面，学院与浙江省测绘与地理信息局合作建设的地理国情监测国家测绘地理信息局重点实验室正式由国家测绘地理信息局批准成立。

西南交通大学于1978年设立摄影测量与遥感专业（1996年教育部专业目录调整更名为测绘工程专业）；1985年设立工程测量硕士点；2001年设立测绘科学与技术一级学科博士点（涵盖大地测量学与测量工程、摄影测量与遥感、地图制图学与地理信息工程3个二级学科）；2002 设立地理信息系统专业（2012教育部专业目录调整更名为地理信息科学专业），2004年设立遥感科学与技术专业。西南交通大学测绘学科为国家“211工程”与“特色 985”优势学科创新平台重点建设的学科，轨道交通国家实验室（筹）主要参与学科、“2011计划”轨道交通协同创新中心主要参与学科、四川省重点一级学科。2012年国家发改委批准建立高速铁路运营安全空间信息技术国家地方联合共建工程实验室。2013年获准建立高速铁路运营安全空间信息技术教育部创新团队。

中南大学2003年起设置摄影测量与遥感博士点，2012年起开设遥感科学与技术本科专业。中南大学地球科学与信息物理学院学院设有5个一级学科，包括地质资源与地质工程、测绘科学与技术、生物医学工程、地质学和地理学。学院拥有3个博士学位授权一级学科点，包括地质资源与地质工程、测绘科学与技术和生物医学工程；涵盖13个二级学科博士点和15个二级学科个硕士点，分别为地球探测与信息技术、大地测量学与测量工程、地图制图学与地理信息工程、摄影测量与遥感、资源环境遥感、光电子测绘仪器与信息获取、安全信息工程、生物信息物理学、生物医学工程、矿物学岩石学矿床学、矿产普查与勘探、地质工程和国土资源信息工程以及构造地质学、土地资源管理和地图学与地理信息系统。学院在“国家211工程”和“985工程”建设中，建有地球探测与信息技术国家重点学科、矿产普查与勘探和大地测量学与测量工程 2 个省级重点学科、地质工程及生物医学工程2个校级重点学科。建有有色金属成矿预测教育部重点实验室、有色资源与地质灾害探查湖南省重点实验室、中国有色金属信息物理工程中心、湖南省地理空间信息工程技术研究中心等教学科研平台。

南京大学作为依托地理学尤其是地图学与地理信息系统理学学科发展摄影测量与遥感工学学科的代表，着力实现理工学科融合交叉、基础研究和应用研究并重，加强与其他科研机构、应用单位的协同创新，目前设置有卫星测绘技术与应用国家测绘地理信息局重点实验室（与国家测绘地理信息局卫星测绘应用中心和江苏省测绘工程院共建）、江苏省地理信息技术重点实验室（与江苏省基础地理信息中心共建），是国家遥感中心江苏分部挂靠单位，承担中国南海研究协同创新中心南海动态监测与情势推演平台建设任务（与中国科学院地理科学与资源研究所共建），建设有全球变化遥感江苏省优势科技创新团队和碳循环陆气协同遥感教育部科技创新团队。目前，南京大学在摄影测量与遥感学科已形成了高分辨率（空间、光谱）遥感影像处理与分析、全球变化遥感（含极地遥感、雪冰遥感、生态遥感等）、LiDAR 数据处理与应用、多源遥感信息融合、海洋遥感与国土资源遥感等稳定的研究方向。

长安大学测绘地理信息学科是陕西省重点建设学科和长安大学“211工程”重点建设学科之一。2003年获批设立摄影测量与遥感硕士点及测绘科学与技术一级学科硕士点，设立大地测量学与测量工程专业博士学位授予点；2005年获批设立地图制图学与地理信息工程博士点、摄影测量与遥感博士点，并自设资源与环境遥感博士点；2007年批准设立测绘科学与技术博士后科研流动站；2009年测绘工程专业被批为陕西省特色专业；2010年测绘科学与技术成为一级学科博士点；2014年校测量系被批为陕西省测绘工程人才培养模式创新实验区，测绘工程教学团队和专业综合改革试点。目前，该学科已拥有测绘科学与技术一级学科博士后科研流动站、测绘科学与技术一级学科博士点、4个二级学科博士点、5个硕士点和3个本科专业。目前本学科有独立建设或联合参与的2个省部级实验室和4个研究中心。

三、本专业国内外发展比较

在高分辨率遥感卫星研制方面，2014年8月19日，高分二号卫星在太原卫星发射中心成功发射升空，该星是迄今为止中国空间分辨率最高的遥感卫星，成功实现了全色0.8m、多光谱 3.2m的空间分辨率以及优于45km的观测幅宽。该星的发射，一举将民用遥感卫星的分辨率提升至1m。同时，近几年通过“天绘一号”与“资源三号”的研制，国内工业部门对测绘卫星的要求和研制也有了更深的认识，在传感器设计、制造与标定方面的技术水平大幅提高。目前，国产更高分辨率以及更高精度的遥感测绘卫星，正处在设计研制过程中。而国外高分卫星的发展呈现以下特征：一是光学遥感测绘卫星的分辨率和精度不断提高，代表者当属2014年8月14日发射的WorldView-3卫星，该卫星的分辨率代表全球商业遥感卫星的最高水平0.31m；二是通过提高卫星机动性能以及构建卫星星座，显著缩短遥感卫星的重访周期，如法国的SPOT 6 卫星和SPOT7卫星，两颗卫星均具有1.5/6m（全色/多光谱）的高分辨率，60km的幅宽。而且，SPOT6、SPOT7卫星和两颗Pleiades卫星一起构成卫星星座，可以实现一天之内同一目标的重复观测。三是微纳卫星在遥感领域发展引人关注，美国Skybox Imaging公司于2013年11月从俄罗斯发射首颗微小成像卫星SkySat-1，卫星重约100kg，不但可以采集1m分辨率的影像，而且可以提供运动视频。该公司计划于 5 年内实现24星组网，具备全球3～5次重访/天的能力，且整个卫星星座成本不高于目前数字地球公司商业运行的最新大型成像卫星。

在高光谱遥感传感器研制方面，机载成像光谱仪商业化水平不断推进，应用领域继续拓展。近年来无人机高光谱遥感受到了业界人员的高度重视，体现了良好的技术优势和发展潜力。而 EO-1 Hyperion仍然是目前空间和光谱分辨率最高的星载成像光谱仪。以德国EnMAP（Environmental Mapping and Analysis Program）、加拿大HERO（Hyperspectral Environment and Resource Observer）、美国 HyspIRI（Hyperspectral Infrared Imager）、日本HISUI（Hyperspectral Imager Suite）等为代表的星载成像光谱仪研发工作持续推进，预计近几年内将会开始发射。我国在HJ-1A、嫦娥一号和天宫一号等探测系统中都安装了成像光谱仪，目前正在研制中的高光谱遥感卫星高分五号将在近两年发射。

在SAR成像系统方面，德国宇航中心（DLR）发射的TanDEM-X 双星编队系统，具有无时间干损及实现获取InSAR测高的最优基线长度的双重技术优势，其DEM质量达到相对高程精度优于2m，绝对测高精度为10m的DTED-3标准，其产品成为至今为止精度最高的全球DEM数据。同时，欧空局（ESA）和日本宇航局（JAXA）分别于2014年4月和5月发射的Sentinel-1a和ALOS-2 SAR卫星，具有最高分辨率1m，最大宽幅400km的观测能力，这将进一步拓展卫星SAR对地观测的研究和应用。此外，机载SAR系统因具有良好的机动性，可以在很大程度上弥补星载SAR系统的不足，又可以作为星载SAR的试验平台，其研制和应用也备受青睐。目前，国际上较为著名的机载SAR系统有德国宇航中心（DLR）开发的E-SAR，美国JPL的UAVSAR系统，这些SAR系统在地形获取、地震应急测绘等领域得到了成功的应用。美国、加拿大和欧洲的多个国家已将多种型号的空基干涉合成孔径雷达应用于实际的地形测量，显示其具有精度高、效率高和成本低等优势。目前美国、德国、法国的实验室均已实现了 0.1 m 分辨率的 InSAR 试验系统。由中国测绘科学研究院、中国科学院电子学研究所和国家测绘地理信息局联合研制的我国首套机载多波段多极化干涉SAR测图系统（CASMSAR），实现了1∶5000～1∶50000比例尺测绘。另外，地基SAR成像系统也逐渐成为一种弥补星载和机载SAR缺陷的观测手段。当前，国际上较为先进的地基SAR系统有意大利IDS公司研发的IBIS-L雷达干涉仪、瑞士GAMMA遥感公司研发的GPRI便携式雷达干涉仪等，国内外众多单位和学者已经利用这些系统对滑坡、露天矿边坡、冰川运动等展开监测和研究（Monserrat O.，Crosetto M.，Luzi G.，2014）。

激光雷达（LiDAR）技术作为一种主动的遥感探测技术，已广泛应用于国土、交通、林业、电力等部门。通常所说的LiDAR技术是指进行地形测量和获取地表目标三维信息的主动遥感技术，实际上，按照应用目的不同，LiDAR系统有不同的区分，如用于水深探测和浅海测绘的机载双色激光测深系统（双色激光雷达），国际上主要有加拿大的CZMIL系统、SHOALS系统、瑞典的 HAWK EYE 系统等，我国暂时还没有自主研发的设备可替代。而用于地表三维信息采集的 LiDAR系统相对丰富，如加拿大Optech产品、瑞士Leica产品、德国TopoSys产品以及奥地利 Riegl产品等。目前，国内已经有20余套机载LiDAR设备，其中，北京星天地信息科技有限公司、山西亚太数字遥感新技术有限公司、广西桂能信息工程有限公司、武汉大学、广州建通测绘技术开发有限公司以及东方道迩公司等单位已经先后开展了实验和工程飞行，主要用于生产数字高程模型（DEM）、正射影像（DOM），以及制作线划图（DLG）等。此外，用于其他目的的新型激光遥感仪器也发展迅速，如MABEL（Multiple Altimeter Beam Experimental LiDAR）可用来探测海冰厚度；Fluorescence（LIF）LiDAR用来探测大范围空气中粒子；SPML（Scanning Polarization Mie LiDAR）在532nm波长处有探测平行和垂直极化的频道，可以指出气溶胶和云颗粒的非球形，对于城市地区的气溶胶羽状物的解决和检测非常有用，可以决定地表边界层以及加强高度较低地区的大气测量；具有创新性的双视场的Raman LiDAR技术可用于反演云微光物理特性参数（如消光系数），同时通过后向散射系数还可以反演云底部高度。

随着CCD、CMOS相机、激光扫描仪、360°全景相机的发展，移动测量系统近来发展迅猛。现在各主流移动测量系统都已经将这些新型传感器集成到各自的平台上，包括美国Trimble、加拿大 Optech都推出类似的系统。新型的Google 街景也加入到移动测量技术行列，将传感器装载到人力车上，形成了一种新型的移动测量系统。国内陆基移动道路测量系统与国外几乎同时起步，包括首都师范大学、武汉立得、北京四维远见等单位均推出了集成相机、激光雷达以及 POS 系统的车载移动测量装备。陆基移动道路测量系统综合了动态定位定姿测量快速高精度和近景摄影测量信息量大的特点，加快了外业数据采集的进程，降低作业强度，提高了野外三维空间数据获取的效率。获取的带有外方位元素的序列立体影像使得数据处理灵活多样，可以根据应用需求随时从原始立体影像数据库中获得特定目标的三维坐标，改变了已往先外业、后内业的单一工序测量的传统作业模式，实现了“一次测量，多次应用”的按需测量新模式。

在碳卫星发射方面，美国“轨道碳观测者2号”（OCO-2）卫星于2014年7月发射升空，该星主要任务是帮助确定CO2在地球表面的哪些关键地点被排放和吸收，以帮助了解人类活动对气候的影响。我国在“十二五”期间也启动了“全球CO2监测科学试验卫星与应用示范”国家863重大项目，该项目以全球气候变化最重要因子二氧化碳遥感监测为切入点，研制并发射以高光谱CO2探测仪/多通道云与气溶胶探测仪为主要载荷的全球二氧化碳监测科学实验卫星。该星计划于 2016 年发射，届时中国将有两颗具备温室气体探测能力的卫星升空，可以实现全球覆盖和高精度热点探测的互补，此举对中国未来开展碳排放研究和应对气候变化至关重要，也将大大增强中国在国际气候变化谈判中的话语权。此外，其他国家也逐渐加强碳卫星的研制和发射，如日本计划发射的GOSAT2卫星以及德国计划发射的CarbonSat卫星等。

另外，携带了一台辐射计和一台L频段合成孔径雷达的土壤湿度主被动探测卫星（SMAP）于2015年1月29日在美国加州范登堡空军基地发射升空。SMAP是NASA设计的首颗探测全球土壤湿度和冻融状态的卫星，主要对土壤湿度进行测量，从而获得高分辨率全球土壤湿度图，提供土壤冻融状态的指示迹象，加深对水循环、能源与碳循环的理解，支持地表水资源管理决策需求，此外还将用于农作物生产力、农业气象预报，以及洪水与干旱灾情监测。SMAP将是美国国家研究委员会（NRC）2007年地球科学十年调查中的最高优先级地球科学任务的首次发射。

此外，旨在测量两极冰原和海冰的变化的ICESat-1卫星于2009年10月11日停止收集数据。ICESat 在极地冰雪遥感应用等方面展示出了无可比拟的优势，对精确估算冰盖对海平面上升的年贡献、南北极海冰物质平衡量和计算全球生物总量具有重要的科学意义。冰、云和陆地高程卫星2号（ICESat-2）将在2017年发射，该卫星在ICESat的技术基础上，测高技术和精准度都有了很大的提高。

四、摄影测量与遥感技术发展趋势

⒈ 航空航天遥感数据一体化处理技术

即采用对用户透明的通用算法处理各种海量的航空航天影像、光学（传统胶片、框幅式数字影像、推扫式数字影像等）和雷达影像数据、LiDAR数据，打破了先前不同类型遥感数据采用不同专业模块进行处理的传统；同时，数据融合技术的发展使得融合不同类型数据（如影像 +LiDAR）以提高目标产品的可读性和逼真性成为可能。

另外，针对新型多CCD线阵、多镜头倾斜航空摄影和数据处理技术发展迅速，通过在同一飞行平台上搭载多条CCD线阵或多台传感器，从多个角度同时采集高分辨率航空影像结合先进的 POS 定位技术，可获取地表更精确的地理信息和更丰富的影像信息，进一步拓展遥感影像的应用领域；同时，非常规的大角度倾斜影像/大角度交会/宽基线影像自动配准、多角度影像的联合区域网平差、地面密集DSM自动匹配、三维数字城市建模及纹理映射方法将获得快速、突破性发展。

⒉ 海量遥感数据的高效、自动化、智能化处理技术

当前，网格计算、集群计算等基于分布式计算的新技术已成为计算机领域研究与应用的热点，而相应的底层支撑技术必然越来越为人们所重视。这些系统已在实际数据生产中得到使用，其数据处理效率之高，远远优越于现有的单机版数字摄影测量工作站。同时，随着计算机、网络通信等技术的飞速发展，基于各种移动终端、无线网络及卫星定位技术的实时化移动测图技术（MMT）的研究不断升温并陆续出现了多套实用系统。此外，CPU/GPU多线程模式和基于高速局域网的多核CPU/GPU集群分布式并行数据处理方式陆续应用于海量遥感数据处理中，使得许多复杂的计算任务变得可能。云计算的出现给解决这些问题带来了希望，通过云计算模型利用整个云网络中的计算资源，形成强大的计算能力来满足遥感数据的实时处理需求。

此外，计算机视觉、摄影测量与人工智能算法逐步融合，航空航天遥感影像高精度定位 / 空中三角测量、DSM/DEM 提取、DOM生成和特征目标识别算法日新月异并基本成熟；开始广泛采用基于多角度多视处理的算法，可同时处理大于两景影像，能够自动化地获取成像区域高可靠、高精度的三维信息；困扰遥感数据自动处理的难题，例如，如何利用高重叠度或多角度的影像有效地生成高点密度的物体表面模型？如何解决陡坎或高程突变问题？如何进行倾斜或大交会角度影像的匹配？如何利用“非专用”传感器数据（视频影像、高速像机等）等，将逐步得到解决。对于如何对物体自动进行标识、定类、定位、细节识别/查询的影像分析技术（例如城区人工地物自动提取、农田边界自动勾绘、地理信息数据更新、自动变化发现与变化监测等）已经成为下一步的重要方向；智能化的快速生成大范围区域的高精度逼真的真三维数字模型将成为现实。

⒊ 众源测绘技术方兴未艾

随着大数据时代的到来，人们获取空间数据的手段增强，如智能手机、遥感卫星、无线传感器网络、装有GPS的设备等，获取的数据量爆发式增长。近两年，交互街道地图（Open Street Map）继续发挥着重要作用（Goetz M.，et al.，2013）。此外，从社交网络如Twitter、Facebook、微博等提取空间信息成为另一种可行方案。众源地理数据测绘虽然强调的是数据的获取、评价与分析，但空间数据的精度差异较大，成为限制其应用的一个重要因素，大量学者对此开展了相关研究。（Keßler C.，et al.，2013）认为在缺少参考数据的情况下，可以通过CGD自身的属性信息建立信任模型对其进行评价，也可通过其他的技术或现有数据进行评价（Esmaili R.，et al.，2013；Idris N.H.，et al.，2014）。（Mullen W.F.，et al.，2014）从CGD质量与人口密度的角度，定量分析了两者不存在统计上的显著关系。而专家与非专家贡献的精度在大部分区域相近。当两者不同时，专家在确定地表类型更准确（See L.，et al.，2013）。

此外，众源地理数据内容相互不同，质量和精度差异巨大，如何提取、融合和挖掘这些众源信息是非常重要的。国内有从街旁网上获取签到信息以分析城市商业圈（胡庆武，等，2014），基于移动终端和OpenLayers的数据采集系统研究（刘爱丽，等，2013），基于出租车行车记录的公路交通出行信息系统的设计（王可，2013），基于手机信息的“百度迁徙”分析春运等人口的迁徙特征（舒怀，2014）。基于 CGD 的数据挖掘比现有的自动算法更精确、灵活和高效，可应用于分类（Tran-Thanh L.，et al.，2013）、采样、关联规则挖掘、验证等（Guo X.，et al.，2014）。在现有数据中进一步挖掘信息，如基于智能手机的GPS信号提取道路中心线（Costa G.H.R.，et al.，2013），基于浮动车移动轨迹的新增道路自动发现（蒋新华，等，2013），基于自发地理信息的旅游景点发掘与空间数据分析等（王守成，等，2014）。将遥感数据和基于众源地理信息融合制作混合地表覆盖图，消除现有数据间的不一致性（See L.，et al.，2014）。将VGI数据和专业测绘数据采用多层次蔓延的矢量要素匹配算法进行对比，实现道路变化增量信息的快速识别等（田文文，等，2014）。

众源地理数据在国外的广泛应用引发了人们对于隐私的担忧，以及法律的因素（Blatt A.J.，2015；Toch E.，2014）。国内的研究和应用处于起步阶段（单杰，等，2014），除了技术的因素之外，法律的边界以及数据的发布等因素都是亟待解决的。

⒋ 与IT产业深度融合

近些年来，IT业巨头正逐步介入遥感数据处理领域，如谷歌地球（Google Earth）和微软必应（Microsoft BING），这一方面带来了空间信息的全面社会化，“街景大数据”“云计算/移动计算”“数字地球”等概念已成为人们现代生活中的一种时尚；另一方面，这些“非专业”的科技公司的进入，对地理信息领域的科研人员来说，既带来了空前的压力和挑战，更带来了前所未有的机遇。因此，在应对众多技术挑战并进而有效地提升传统意义上的为国民经济建设服务的同时，更应思考的是，如何让所研究的摄影测量与遥感技术，从“束之高阁”到转化为更为普及化的产品，从而加快我国信息化测绘的进程并惠及到更多非专业的普通用户。

此外，随着航天技术、通信技术和信息技术的飞速发展以及测绘科技工作者不懈努力，摄影测量与遥感专业取得了诸多令人瞩目的科技成果，未来摄影测量与遥感发展还将呈现以下趋势：

在硬件研制方面。随着地面分辨率和定位精度的不断提升，卫星的机动能力将不断增强。同时，具有更高费效比的微纳卫星的发展将改变传统的遥感卫星商业运行模式；新型无人机（包括手抛式无人机、旋翼无人机）将继续丰富航空摄影测量平台，进一步降低摄影测量的技术门槛，提高机载摄影测量系统应用的灵活性；同时，包括微波合成孔径雷达（SAR）、激光雷达（LiDAR）等载荷将不断小型化、轻量化，航空摄影测量全天时、全天候工作能力得到显著增强；移动测量车集成度越来越高，激光测距仪、多光谱甚至高光谱相机的加入，街景采集车以及手持式测量设备的集成大大提高了移动测量车的能力，使得移动测量设备可以在智慧城市应用中发挥更大的作用。

此外，空天地一体化智能传感器观测网络技术的发展同样值得关注。天基、空基、地基乃至手持式测量终端在智慧城市建设中各具优势，未来的发展趋势是利用智能调度技术综合发挥多种类型传感器的优势，共同完成以智慧城市为代表的多种分辨率、多种类型的空间数据获取任务。

在应用方面。在可以预见的未来，数据的爆发式增长将会持续。更多的传感器、更高的分辨率将增加地理信息数据的来源、提高其精度，使得众源地理数据的应用面进一步扩大，在社会、人文、经济、环境、卫生等领域发挥越来越重要的作用，如今年爆发的“埃博拉”的监测与预防等。而随着科技的发展和产业的壮大，摄影测量与遥感技术的应用将呈现如下特点：①深入化，高新技术的技术优势将会得到进一步的挖掘和应用；②专业化，如精细农业、精细林业、作物估产等需要结合更多其他行业专业知识的领域；③日常化，如室内三维、街景地图等更日常化、民用化应用。

自然资源新技术在线学习平台，专注于无人机培训、测绘新技术培训服务，一次培训三证到手，民航无人机驾驶员执照+AOPA无人机驾驶员合格证+摄影测量员职业资格证书。经学纬业旨在通过互联网信息技术将知识、经验和梦想传递给更多的人。