PIE遥感云服务与实践

丛书序一
丛书序二
前言
第1章 绪论 1
1.1 概述 1
1.2 国内外遥感云平台发展现状 2
1.2.1 国外遥感云平台进展 2
1.2.2 国内遥感云平台进展 5
1.3 遥感云平台发展趋势 8
1.3.1 技术交融化 8
1.3.2 场景泛在化 9
1.3.3 业务精细化 9
1.3.4 服务大众化 10
1.3.5 应用智能化 10
思考题 11
参考文献 11
第2章 理论与基础 13
2.1 大数据 13
2.1.1 概述 13
2.1.2 大数据处理技术 14
2.1.3 开源大数据处理平台 14
2.2 云计算 17
2.2.1 概述 17
2.2.2 云计算关键技术 18
2.2.3 云服务 21
2.2.4 开源云计算管理平台 22
2.3 遥感云平台构建 26
2.3.1 概述 26
2.3.2 云原生与地理数据服务 26
2.3.3 无服务器计算与遥感数据分析 31
2.3.4 基于地理编码的多源时空立方体 34
思考题 37
参考文献 37
第3章 海量遥感数据在线处理 40
3.1 概述 40
3.2 多源异构遥感数据处理 41
3.2.1 高分辨率光学卫星影像处理 41
3.2.2 高光谱卫星影像处理 47
3.2.3 雷达卫星影像处理 51
3.2.4 无人机影像处理 62
3.3 PIE-Engine Factory介绍 65
3.3.1 设计思想 65
3.3.2 基本功能 66
3.3.3 操作方法 67
3.4 应用实例——数字正射影像图（DOM）生产 80
思考题 99
参考文献 99
第4章 遥感数据科学分析 101
4.1 概述 101
4.2 遥感在线并行计算 101
4.2.1 遥感数据存储模型 101
4.2.2 计算执行和优化技术 102
4.3 PIE-Engine Studio介绍 106
4.3.1 设计思想 106
4.3.2 数据集 107
4.3.3 基本功能 108
4.3.4 操作方法 136
4.4 应用实例——净初级生产力（NPP）分析 157
思考题 166
参考文献 167
第5章 全栈式遥感智能解译 168
5.1 概述 168
5.2 全栈一站式智能解译技术 168
5.2.1 基于多用户场景下模型反馈优化的训练与评估技术 169
5.2.2 基于云原生及微服务架构的模型动态调度技术 170
5.2.3 解译模型轻量化适配技术 172
5.3 PIE-Engine AI遥感智能解译服务平台 175
5.3.1 设计思想 175
5.3.2 基本功能 176
5.3.3 操作方法 183
5.4 应用实例——基于滨海区域储油罐目标要素识别 214
思考题 220
参考文献 220
第6章 地理时空数据共享与发布 221
6.1 概述 221
6.2 地理时空数据管理 222
6.2.1 概述 222
6.2.2 地理空间格网剖分 222
6.2.3 空间索引构建 224
6.2.4 全局统一元数据管理 229
6.2.5 混合多态存储架构 232
6.3 地理时空数据访问引擎与存储 233
6.3.1 地理时空数据统一访问引擎 233
6.3.2 混合多态存储技术 241
6.4 多源数据在线地图服务与发布技术 249
6.4.1 在线地图服务 249
6.4.2 在线发布技术 251
6.5 PIE-Engine Server介绍 256
6.5.1 设计思想 256
6.5.2 基本功能 261
6.5.3 操作方法 264
6.6 应用实例——陕西省土壤类型数据在线配图流程介绍 277
思考题 289
参考文献 289
第7章 专题实践 291
7.1 基于多源遥感的湖泊生态环境智能监测服务 291
7.1.1 概述 291
7.1.2 服务能力 292
7.1.3 服务案例应用领域 301
7.2 基于多源遥感的城市生态宜居评估服务 301
7.2.1 概述 302
7.2.2 服务能力 303
7.2.3 服务案例应用领域 311
7.3 水稻自动提取服务 311
7.3.1 概述 311
7.3.2 服务能力 312
7.3.3 服务案例应用领域 317
7.4 黄河口及其邻近海域水质遥感监测服务 317
7.4.1 概述 317
7.4.2 服务能力 318
7.4.3 服务案例应用领域 326
7.5 基于AI算法的大棚识别提取服务 327
7.5.1 概述 327
7.5.2 服务能力 328
7.5.3 服务案例应用领域 335
思考题 335
参考文献 335
附录一 PIE-Engine Studio公共数据资源列表 337
附录二 获取更多帮助和信息 340