SPACE/AICOOL 简版白皮书

—— 面向遥感数据质量控制的新一代智能化技术体系

Dr. Yong DU

一、项目背景

随着高分辨率卫星、商业遥感卫星和无人机遥感的快速发展，全球遥感数据规模呈爆发式增长。然而，大气散射、吸收和薄雾等因素会显著降低遥感影像质量，影响地表参数反演、目标识别、变化检测和智能解译等下游应用的精度。

因此，大气校正成为遥感数据预处理过程中最为关键的环节之一，其目标是消除大气散射和吸收对遥感观测的影响，恢复真实地表反射特征。过去几十年间，国内外相继发展了多种大气校正模型和处理软件，并在遥感数据生产中得到广泛应用。

然而，与大气校正技术不断发展的现状相比，一个长期存在且尚未得到根本解决的瓶颈问题是：缺乏普遍适用，客观评估，全自动化、可推广的大气校正结果的质量评价体系。

目前的大气校正精度验证大多依赖地面同步观测数据、辐射传输模拟结果或高质量参考影像。这类方法成本高、主观成分多，适用范围有限，难以满足海量遥感数据自动化生产和质量控制的需求。因此，在绝大多数实际应用场景中，用户往往只能获得“大气校正结果”，却无法客观判断其质量水平和可信程度。

这种评价能力的缺失，使得大气校正成为遥感数据生产流程中的“质量黑箱”：

·       校正结果是否准确难以量化；

·       不同算法之间优劣难以客观比较；

·       数据生产机构难以实施统一质量控制；

·       应用部门难以评估数据产品可靠性；

·       下游分析结果的不确定性难以追溯。

由于大气校正误差会直接传递至后续应用环节，因此其影响远超预处理阶段本身。无论是地表参数反演、植被监测、水环境评估、矿产调查、灾害监测、变化检测，还是人工智能遥感解译，其结果都建立在大气校正后的数据基础之上。一旦校正结果存在系统性偏差，相关分析结果将受到连锁影响，甚至导致科学结论和决策依据出现偏差。

因此，建立一种无需依赖外部参考数据、能够自动评价大气校正质量的技术体系，已成为当前遥感数据质量控制领域亟待解决的重要问题。SPACE（Spatial-Frequency Profile-Analysis for Atmospheric Correction Evaluation）正是在这一背景下提出的一种全新解决方案，其核心目标是为遥感大气校正建立可量化、可自动化、可规模化应用的客观质量评价机制。

二、SPACE：大气校正质量评价的新范式

SPACE首次提出了一种无需地面实测数据、无需外部参考影像、无需人工干预的大气校正质量评价方法。

该方法仅利用待评价影像及处理过程中的基础信息，即可自动完成校正质量分析与评价，实现从传统“参考驱动评价”向“数据自评价”的转变。

SPACE具有以下特点：

• 无需地面同步观测数据；

• 无需高质量参考影像；

• 无需人工参与评价过程；

• 支持批量化和自动化运行；

• 可直接嵌入现有大气校正流程；

• 适用于各种光学遥感数据产品。

SPACE解决了长期困扰遥感领域的“大气校正结果缺乏客观质量评价标准”问题，为遥感数据质量控制提供了新的技术路径。

三、AICOOL：智能化大气校正与优化系统

AICOOL是一套面向遥感影像自动处理的大气校正与优化系统。

系统结合人工智能技术与遥感物理机理，实现遥感影像的自动化校正、增强与质量优化，提高影像清晰度、地物可辨识度以及后续应用精度。

AICOOL可广泛应用于：

• 卫星遥感数据处理；

• 无人机遥感数据处理；

• 资源环境监测；

• 农业与林业调查；

• 城市与国土监测；

•  灾害监测与应急响应。

四、SPACE + AICOOL：构建遥感数据质量闭环

SPACE与AICOOL共同构成了完整的遥感数据质量保障体系：原始影像 → AICOOL大气校正 → SPACE质量评价 → 质量控制与优化 → 高可信度遥感产品

这一体系首次实现了“校正—评价—优化—控制”的闭环运行，使遥感数据生产过程具备可量化、可追踪、可验证的质量管理能力。

五、应用价值与发展前景

SPACE/AICOOL不仅是一套遥感数据处理软件系统，更是一种面向未来遥感数据生产的新型质量控制框架。将填补光学遥感大气校正缺乏客观定量质量控制的空白。

其核心价值体现在：

• 提升遥感数据产品质量与可信度；

• 降低人工参与和应用成本；

• 支持海量遥感数据自动化处理；

• 为行业标准的制定提供技术基础；

• 促进遥感数据产业化和规模化应用。

SPACE/AICOOL 将发展成为遥感数据质量评价与控制的重要基础平台，为构建智能化、标准化和可信化的遥感数据服务体系提供关键支撑。

支持单位：