《北京金融科技产业联盟：2023卫星遥感技术金融业应用报告（103页）.pdf》由会员分享，可在线阅读，更多相关《北京金融科技产业联盟：2023卫星遥感技术金融业应用报告（103页）.pdf（103页珍藏版）》请在三个皮匠报告上搜索。

1、卫星遥感技术金融业应用报告北京金融科技产业联盟2023 年 3 月版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。I编制委员会主任：吕仲涛潘润红编委会成员：聂丽琴金海旻刘承岩鲁金彪编写组成员：孙凌浩张海军史大鹏胡国强黄炳罗涛姜璐白梦圆施佳子瞿威吕蓉缪迪文尹亮邱雪涛王宇文黎明谢林李斌陈东航邓俊毅谢超陆碧波郭胜韩冰冯丽娜徐旭丁洪涧丁来平宗煦李宇翔张晓娟杨晓诚肖扬编审：黄本涛姜璐刘昌娟姚文韬II牵头编写单位：工商银行金融科技研究院联合牵头单位：中国建设银行股份有限公司参编单位：中国银联股份有

2、限公司银联商务股份有限公司兴业银行股份有限公司平安银行股份有限公司浙江网商银行股份有限公司华为技术有限公司III目录目录一、卫星遥感技术金融行业应用背景.1（一）金融业发展战略和数字化发展趋势.1（二）卫星遥感技术应用政策背景.1（三）多技术融合拓展卫星遥感应用广度和深度.3二、卫星遥感技术发展情况.4（一）卫星遥感技术介绍.5（二）卫星遥感技术应用流程.7三、金融行业卫星遥感应用诉求.27（一）涉农信贷.27（二）农险和产险.28（三）地产基建信贷风控.30（四）一带一路信贷风控.31（五）投资决策辅助.32（六）新能源绿色金融信贷风控.32（七）土地流转管理.34（八）金融租赁风控.35四

3、、卫星遥感技术金融业应用案例.36（一）金融业应用现状概述.36（二）银行应用案例介绍.45（三）保险业应用案例介绍.67（四）遥感技术应用的局限性案例分析.68（五）遥感和 IOT 结合案例规划.72五、总结和展望.75（一）小结.75（二）风险与挑战.76（三）应用建议.80（四）展望.83六、参考文献.86七、附录.87（一）卫星遥感相关政策法规.87（二）卫星遥感相关标准.89（三）SaaS 平台.951一、卫星遥感技术金融行业应用背景（一）（一）金融业发展战略和数字化发展趋势金融业发展战略和数字化发展趋势随着云计算、大数据、人工智能、区块链和卫星遥感等新兴技术在金融行业的深入应用，科

4、技对于金融的作用被不断强化，创新型的金融解决方案层出不穷，金融科技发展进入新阶段。金融机构纷纷立足新发展阶段，深入践行新发展理念，坚持目标导向和问题导向，以深化金融数据要素应用为基础，以支撑金融供给侧结构性改革为目标，以加快推进金融机构数字化转型为主线，在健全科技治理体系、夯实数字基础底座、加强技术创新引领、激活数字化经营动能、强化创新审慎监管、践行数字普惠金融等方面精准发力，加快健全适应数字经济发展的现代金融体系，为构建新发展格局贡献金融力量，进一步增强金融体系的适应性、竞争性和普惠性。以大型银行为代表的金融机构，对于数字化转型的目标、路径和举措都建立了各具特色、全面丰富的系统性战略布局，尤

5、其体现在数字技术与信息化应用投入方面。银保监会发布的数据显示，2020 年的银行机构信息科技资金总投入达 2078 亿元，同比增长 20%，增长速度远高于同期银行业的收入和利润增长率。（二）卫星遥感技术应用政策背景（二）卫星遥感技术应用政策背景卫星遥感技术应用政策，是为推动遥感卫星技术实现深度应2用、商业化的一系列政策、法令、规章制度的总称。卫星遥感作为一个高投入、高风险且回报周期长的技术密集型产业，其发展离不开政府的政策和资金支持。为鼓励和规范卫星遥感技术及其应用，国家相继出台一系列的政策、标准和法律法规，在推动遥感卫星应用和产业化发展方面发挥了实实在在的重要作用。1.卫星遥感相关政策和法律

6、法规近些年来，国家相继出台了一系列法律法规、规划纲要及产业鼓励政策，大力推进以卫星遥感为核心的卫星应用领域相关建设，加速卫星遥感商业化应用，促进中国卫星遥感行业迅速发展。如 2021 年中国人民银行金融科技发展规划（2022-2025 年）中提出在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，实现融资需求精准授信，推动农业保险承保理赔电子化、智能化。2022 年中共中央办公厅和国务院办公厅发布的乡村建设行动实施方案加快建设农业农村遥感卫星等天基设施，建立农业农村大数据体系，推进重要农产品全产业链大数据建设（卫星遥感相关政策和法律法规详细内容见附录一）。2.金融行业卫星遥感技术应用标准

7、目前，卫星遥感技术在金融行业已有较多应用，但遥感技术的标准化研究与建立工作还没有系统性地开展，整体上落后于遥感技术的发展，不能满足遥感技术的飞速发展和产业化的需要。当前卫星遥感的相关标准主要集中在数据和应用方面，遥感技术及其应用的行业标准主要集中在农业、测绘、环境保护、交通、3气象、地震、地质矿产等领域，而已颁布的金融业卫星遥感行业标准较少，主要包括由中国银行保险监督管理委员会颁布的基于遥感技术的农业保险精准承保和快速理赔规范。随着相关业务的开展，各金融机构对卫星遥感技术应用的标准化工作越来越重视，如北京金融科技联盟正牵头组织相关单位合作撰写的卫星遥感金融业技术指标和评估标准，以规范遥感技术在

8、金融信贷的应用（现行或即将实施的遥感技术及其应用相关国家标准详见附录二）。（三）多技术融合拓展卫星遥感应用广度和深度（三）多技术融合拓展卫星遥感应用广度和深度云计算、人工智能、区块链、卫星遥感等新兴技术并非彼此孤立，而是相互关联、相辅相成、相互促进的。卫星遥感具有非接触、高分别率、探测范围广、可重复观测、真实客观等特性，被称为“千里慧眼”。随着人工智能技术特别是深度学习技术的快速发展，以及计算机处理能力的提高，使得卫星遥感数据的可用性显著增强，遥感数据的数量和质量在过去 10 年里取得了极大的提高。卫星遥感的应用模式已从传统的“数据-分析服务”，转变为“基础数据-增值产品-信息产品-解决方案”

9、的全流程供应链。整个服务体系可面向行业应用，提取与挖掘多样化的信息产品满足业务化需求，可面向行业市场提供整体解决方案，形成完整的服务体系闭环，更好地支撑各行业的综合应用，提升新型信息化技术应用水平。通过对卫星遥感数据建立不同场景的人工智能算法模型，卫星遥感当前已经在国土资源监测、城市规划、农业估产、生态环境监测、防灾减灾应急响应等领域成功应用。4在金融行业中，利用卫星遥感具有观测覆盖面积大、重访周期短、精度高等特点，将遥感技术与金融服务进行深度融合，结合人工智能、图像分析等新技术，打造卫星遥感影像智能分析系统，并应用在信贷管理工程建设贷后监控、普惠金融农业信贷发放评估、保险定损理赔等业务方向上

10、，全面提升金融行业信贷、保险等领域的服务水平。二、卫星遥感技术发展情况卫星遥感是从高空通过传感器探测及接收来自目标物体所辐射及反射的电磁波信息，从而识别物体的属性及其空间分布等特征，并通过遥感技术平台获取卫星遥感数据进行分析处理的技术。中央电视台新闻联播后的天气预报中屡被提及的卫星云图就是遥感成像技术的直观展现形式，如图 1 所示。图1.卫星遥感技术示意图5（一）卫星遥感技术介绍（一）卫星遥感技术介绍1.1.相关概念相关概念（1）遥感及遥感卫星遥感遥感（Remote Sensing，简称 RS），一词由美国海军研究局EvelynL.Pruitt 于 20 世纪 60 年代创造。在 卫星遥感技术

11、 中，遥感的定义为“不直接接触物体，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理、并最后成像，从而实现对地面各种景物进行探测和识别的一种对地观测综合技术”。遥感卫星遥感卫星是用作外层空间遥感平台的人造卫星，是应用卫星的最主要类型之一，可以分为大卫星、小卫星等。大卫星的重量大于 1000KG，平均制造成本通常高于 5000 万美元；小卫星的重量在 500-1000KG，研制成本通常在 2000-5000 万美元；其次还有微小卫星、微卫星、纳卫星、皮卫星。遥感卫星通过对地球系统或物体进行特定电磁波谱段的数字化成像观测，进而获取观测对象多方面特征信息。遥感卫星在用途上区别于导

12、航卫星、通信卫星和科研卫星等，主要应用场景包括资源调查、农业估产、天气与海况预报、防灾减灾和军事侦察等。（2）空间分辨率遥感图像上最小单元的尺寸，越小空间分辨率越高，图像中表达的信息就越丰富和精确。6（3）光谱分辨率传感器在接收目标辐射的光谱时，能分辨的最小波长间隔。光谱分辨率和空间分辨率相互制约，在一定程度上呈负相关。（4）时间分辨率时间分辨率是指在同一区域进行的相邻两次遥感观测的最小时间间隔，时间间隔大，时间分辨率低，反之时间分辨率高。2.卫星遥感特点2.卫星遥感特点卫星遥感具有时效性、周期性及数据综合性等特点。（1）时效性卫星遥感获取资料速度快、周期短，且不受高山、冰川、沙漠等恶劣条件限

13、制，商业化发展潜力大。（2）周期性卫星遥感能动态反映地面事物的变化，遥感探测能周期性、重复地对同一地区进行对地观测，有助于动态跟踪事物变化。（3）数据综合性遥感获取的数据具有综合性，遥感探测所获取的是同一时段、覆盖大范围地区的遥感数据，这些数据综合地反映了各类事物的形态与分布等信息。7（二）卫星遥感技术应用流程（二）卫星遥感技术应用流程随着全球遥感卫星发射次数不断增长，卫星遥感上下游各行业新进入者日益增多，卫星遥感行业市场规模逐渐扩大，商业化进程加速推进。卫星遥感技术从应用流程角度可分为卫星遥感影像生成及获取、影像分析、场景应用三个环节，如图 2 所示。图2.卫星遥感技术应用流程1.1.卫星遥

14、感影像生成及获取：卫星产业呈规模化发展，为商卫星遥感影像生成及获取：卫星产业呈规模化发展，为商业应用奠定基础业应用奠定基础卫星遥感影像生成和获取涉及遥感卫星的制造、发射及运营等上游产业，是获取空间信息的根源。当前卫星上游产业呈现规8模化发展，为商业应用奠定了基础。（1）遥感影像数据介绍卫星遥感影像信息的采集以电磁波作为传播媒介。根据电磁波波长的不同，遥感影像可分为紫外（探测波段 0.05-0.38um）、可见光（探测波段 0.38-0.76um）、红外（波段 0.76-15um）、微波（雷达）（探测波段 1mm-1m）遥感影像1。紫外遥感影像紫外遥感影像：指探测传感器波段在 0.05-0.38

15、 的遥感影像。紫外波段的太阳光被低、中、高层大气分别强烈散射和被大气中的臭氧等微量气体强烈选择吸收，所观测的大气紫外散射光谱对大气密度、大气臭氧、气溶胶及其他微量气体的密度和垂直分布极为敏感。因此，利用紫外光谱观测可以同时遥感整层大气密度和臭氧等的三维分布，在气象的观测上有较大的用处。可见光遥感影像可见光遥感影像：指探测传感器波段在 0.38um-0.76um 的遥感影像。可见光是人类眼睛可见光谱段的总称，是最早用来进行遥感的光谱段，也是当前最常用的工作波段，广泛应用于各行各业。红外遥感影像红外遥感影像：指探测传感器波段在 0.76-15um 的遥感影像，又可进一步分为近红外（0.76-3um

16、）、中红外（3-6um）和远红外（6-15um）。近红外和中红外统称反射红外，多用于白天光学摄影。远红外称为热红外或发射红外，主要由于地物自身辐射，用于夜间红外扫描、适用于军事侦察、地热、土壤温度、地质构造等。微波微波（雷达雷达）遥感影像遥感影像：指探测传感器波段在 1mm1m 的遥9感影像。相较于可见光等遥感影像，微波遥感具有不受光照和气候条件等限制实现全天时、全天候对地观测的特点，可以透过地表或植被获取其掩盖的信息，具有极高的空间分辨率，在农、林、水或地质、自然灾害等民用领域具有广泛的应用前景。随着光谱和成像相关技术的提高，遥感影像发展也逐步向多光谱、高光谱演进，光谱波段细分程度越来越细。

17、多光谱遥感影像多光谱遥感影像：指具有两个以上波谱通道的传感器对地物进行同步成像的遥感影像。探测波段在可见光和红外波段，波段划分为几个、十几个窄波进行探测，不连续，不能覆盖全部波段范围，他将物体辐射反射的电磁波信息分成若干波谱段进行接收与记录。高光谱遥感影像高光谱遥感影像：指利用多个波段窄且光谱通道连续的遥感方法对地物成像的遥感影像。探测波段在紫外到中红外波段，与多光谱相比，覆盖全部范围。其光谱分辨率广，从可见光到短波红外，光谱通道数多达几十至百个以上，且各光谱通道是连续的，因此每个图像像元均具有一条完整的光谱曲线。（2）发展现状受益于政策助力和技术发展，我国遥感卫星数量持续增加，并呈现出规模化

18、、低轨化、高分辨率的趋势。下文将针对遥感卫星数量、质量以及数据可得性对当前遥感卫星产业进行简要介绍。101）数量：遥感卫星数量持续增加，多源遥感数据量激增，市场发展呈规模化多源遥感数据量的激增多源遥感数据量的激增：随着遥感技术、光学、热红外和微波等技术的发展，多源遥感影像数据量（多时相、多光谱、多传感器、多平台、多分辨率）呈规模化增长，主要有以下特点：冗余性：对环境或目标的表示、描述或解译结果相同；互补性：信息来自不同的自由度且相互独立；合作性：不同传感器在观测和处理信息时对其他信息有依赖关系。遥感卫星市场呈规模化发展遥感卫星市场呈规模化发展：全球遥感卫星在轨运行数量占在轨卫星数量的比例日益提

19、高，由 2015 年的 17%增长至 2019 年的 27%。根据美国忧思科学家联盟的在轨遥感卫星数量的数据中（截至 2020.7），美国排名第一，为 462 颗，中国排名第二，拥有 181 颗遥感在轨卫星，且近年来，国家重大高分专项的加持使得卫星发射成本逐渐降低，卫星遥感技术日渐成熟，为卫星产业应用规模化提供了有利条件。2）质量：在高分专项加持下，遥感数据质量显著提升，对地观测能力得到加强高分辨率高分辨率：随着卫星技术的发展，民用卫星影像的空间分辨率和时间分辨率在高分项目的加持下得到较大程度的提高，为后续的产业化应用提供了丰富的监测手段与数据基础。低轨化低轨化：低轨卫星（高度范围 500-2

20、000km）采用更低的轨道，发射载荷效率高于传统卫星；能够快速抵达预定轨道工作，时延11短且链路损耗小，分辨率高；在轨重访周期短，可在更短时间内对同一目标再次侦测，获取更清晰的信息。小型化小型化：小卫星主要针对于大范围区域进行全方位遥感，小卫星研制周期短，仅需一年时间即可完成从立项研制到发射全过程，而大卫星则至少需要 5-8 年的时间，阵线长且时间成本高。3）可获得性：受益于政策支持和数据公开，数据可获得性增强2015 年的国家民用空间基础设施中长期发展规划（2015-2025 年）为国内民用遥感卫星产业发展奠定了坚实的基础，在卫星数据使用方面明确了逐步开放空间分辨率优于 0.5米级的民用卫星

21、遥感数据。自此以后，国家在政策上逐步鼓励遥感数据的应用，于 2018 年在遥感数据应用方面重点颁布了遥感数据开放的管理办法，推动数据共享、应用推广，遥感数据应用的市场空间进一步打开。此外，欧空局官方公开哨兵二号等数据，支持全球数据下载。哨兵二号主要提供 L1C 和 L2A 两种产品数据。L1C 产品经过正射校正和亚像元级几何精校正，为天顶表观反射率数据；L2A 是对L1C 进行大气校正得到的地表反射率数据产品。2.2.卫星遥感影像分析：卫星遥感影像分析：AIAI 助力，从助力，从“看得清看得清”到到“看得懂看得懂”（1）卫星遥感影像分析技术介绍卫星遥感影像主要通过分析光学、微波遥感图像中各类地

22、物12的光谱信息和空间信息，选择特征，采用合适算法将特征空间划分为互不重叠的子空间，提取感兴趣的像元数据，其关键包括卫星遥感影像的预处理、智能分析和 3S 融合可视化分析。卫星遥感影像分析技术发展可分为以下 4 个阶段：人工分析阶段、计算机辅助阶段、自动化阶段（专家系统）、空间大数据-人工智能-自助分析阶段。人工分析人工分析：依靠人工对遥感飞机等航测航拍数据进行识别、定位和分析，形成报告文档。计算机辅助计算机辅助：使用计算机处理遥感数据辅助人工分析。自动化自动化：对于遥感特定问题能实现自动化数据处理和分析。空间大数据-人工智能-自助式分析空间大数据-人工智能-自助式分析：空间大数据融合激发了一

23、系列数据驱动的创新应用，人工智能技术突破使遥感图像识别更加智能化和普及化，自助式分析提供了高效的探索式分析能力，以上三者的有机结合开拓出空间数据智能的蓬勃发展。（2）卫星遥感影像的预处理通常情形下，获取的原始卫星遥感图像无法直接使用，需要先经过预处理。预处理的精度会直接影响人眼对图像视觉特征的敏感程度并间接影响图像处理的精准度与效率。遥感图像预处理技术主要包括辐射校正、几何校正、图像增强等。1）辐射校正采集图像时，传入传感器的辐射能量包括地物放射、大气层辐射以及地物反射，但因传感器特性上存在差异，造成传感器的13探测值与实际光谱辐射值不一致，这种辐射失真即辐射畸变，而消除或修正这种辐射畸变的过

24、程即辐射校正。一般而言辐射校正分为辐射标定、大气校正、地形及太阳高度校正。辐射定标辐射定标：指将记录的原始遥感影像像元亮度值转换为大气外层表面反射率（或辐射亮度值），通过标定排除传感器、波普、时间等造成的误差。大气校正大气校正：将辐射亮度或者表面反射率转换为地表实际反射率，其目的是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等正式物理模型参数。太阳高度角及地形校正太阳高度角及地形校正：通过统计学模型和物理学模型，消除地表地形不同、太阳高度角不同造成的辐射亮度的误差，如图3 所示。图 3.辐射校正2）几何校正几何校正是纠正系统或非系统因素引起图像像素相对于地14物实际位

25、置产生的挤压、拉伸、扭曲与偏移的几何畸变。传统做法在遥感影像中选择控制点，定位地理坐标，而后建立影像和真实世界的映射函数，以此获得真实坐标信息，最后通过重采样计算变换后像元亮度值，如图 4 所示。图 4.几何校正3）图像增强图像增强指增强图像中的有用信息，改善图像的视觉效果，图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强有一系列的不同方法，包括图像融合、图像裁剪、对比度增强等。图像融合：图像融合：通过将时间或空间的多源数据按照一定法则合成为高空间分辨率的彩色影像图像。图像融合有两点需求：图像空间信息匹配：空间位置、图像行列数一致；图像光谱信息匹配：同名像元点的灰

26、度值具有较好的相关性。在空间域代数运算融合比较常用的有 Brovey 转换法、PBIM 融合算法；在变换域比15较流行的有 HSI 变换融合法，如图 5 所示。图 5.图像融合图像裁剪图像裁剪：选定遥感影像中的一个特定的感兴趣的范围，常用的裁剪方式包括按 ROI 裁剪和按地图裁剪，而后根据需求进行旋转、放大、缩小等并整理成合适的训练数据集，如图 5 所示。图 6.图像裁剪对比度增强对比度增强：通过调整非正态分布的直方图到正态分布，对图像重新分配像素值，使一定范围内的像素数量大致相同，解决图像因对比图过小造成亮度过暗或过亮的问题，改善图像的质量，便于分辨地物轮廓并提取信息。16图 7.对比度增强

27、（3）卫星遥感影像智能分析随着人工智能技术的发展，决策型的智能技术将成为未来的主流发展目标之一，其目的是在智能解译数据时让系统自带决策功能，学习人脑思维方式分析问题，利用“经验”自主选择判断依据，针对场景进行包括网络模型的适配、异构实体网络的自主构建、多关联关系的动态优化等，完成指定任务。卫星遥感影像智能分析是通过建立地物的分类、识别、变化深度学习神经网络模型，自动获取、加工、提取遥感影像中像素信息，形成数量、面积、方向，土地性质、长势等对业务领域有价值的信息，实现遥感影像从“看得清”到“看得懂”。1）人工智能目标检测算法目标检测算法通过网络模型分析影像前景和背景，提取影像中的感兴趣目标的位置

28、、数目和类别信息。基于深度学习的遥感影像目标检测算法即通过训练适用于多分辨率遥感数据的卷积17神经网络模型（如 YOLT），分析影像语义特征，提取遥感影像中的感兴趣目标位置，如图 8 所示。该算法作为是遥感图像分析的一项重要工具，有助于城市规划、交通疏通等重要应用。例如在道路检测场景中，通过训练卷积神经网络模型，提取深度语义特征确定中心线位置并预测像素是中心线的“概率”，从遥感影像中检测道路，并输出矢量化的道路边界和中心线图层。图 8.目标检测2）人工智能地物分类算法地物分类通过已训练的分类网络模型对影像特定区域内的土地性质进行解析、分割，以此进一步分析不同位置的土地性质情况。通用的地物分类模

29、型，是基于大量通用数据训练的，能够识别多类地物，模型具有一定的普适性。例如基于知识的决策树分类是以遥感影像数据及其他空间数据为基础，通过专家经验总结、数学统计、归纳方法等，获得分类规则并进行遥感图像分类。这类模型的分类规则易于理解，分类过程也符合人的认知过程。特殊的地物分类模型，例如对光伏、农作物等做进一步像素分析，18以获取其范围、面积、质量等信息，是通过训练适用于多分辨率遥感数据的卷积神经网络模型（如 U-net），对图像进行逐像素分类实现图像语义分割，其最大特点就是通过反卷积拼接特征，使得浅层语义信息和深层语义信息能结合起来，可支持多尺度和超大图像的输入，如图 9 所示。图 9.地物分类

30、3）人工智能变化检测算法变化检测是从定量的角度来分析两个不同时期的同一区域地表物体变化的，确定和分析该地域地物的变化，包括地物位置、范围的变化和地物性质、状态的变化。由于变化检测的目的是研究图像中地物特性的变化，但是太阳光照角度、大气变化、传感器不同都会造成一定的干扰，因此在变化检测前需要对遥感图像进行预处理，例如辐射校正、大气校正，使干扰因素对变化检测的影响降到最小。根据算法的不同，检测算法可分为通用变化检测、建筑物变化检测等。通用变化检测算法采用深度神经网络和多模型融合技术，排除掉季节等干扰因素，按照一定的规则，提19取出其中土地，水域等发生变化的位置和范围。建筑物变化检测算法基于孪生神经

31、网络专注提取图像中建筑物的语义特征，通过计算每对特征点之间的度量（如 L1 距离），判断该位置点是否发生了变化，当输入两期不同时间的同一地区的影像时，模型能够智能地找出影像中发生变化的建筑物，如图 10 所示。图 10.变化检测4）光谱分析算法卫星遥感影像是基于地物反射辐射成像的，包含了地表各物质的光谱信息，其中不同物质的光谱特性各不相同，需要特定算法对其解译。光谱分析影像处理的常见算法主要包括光谱角度匹配、光谱特征拟合、波段指数计算等。光谱角度匹配光谱角度匹配：通过比较图像波谱与地物波谱或波谱库中地物波谱完成对图像的分析，是一种交互式自动分类方法。光谱特征拟合光谱特征拟合：选择包含目标矿物特

32、定吸收谱带的光谱区20间，利用最小二乘拟合方法，比较像元光谱与目标光谱吸收特征的整体形态和吸收深度的分类方法。波段指数计算波段指数计算：对于非可见光的多光谱遥感图像，可采用专业的遥感图像处理工具提取各波段信息，并根据公式计算，实现了从“定性”到“定量”的遥感对地观测。对近红外、热红外等波段进行波段提取和参数分析，在农业、地矿、水体、碳浓度监测等领域拥有独特的优势。例如在红波波段和近红外波段，作物的反射特征与作物长势额产量有明显的正相关关系。基于这两个波段计算的 NDVI（归一化植被生长指数）直接反映作物的生长过程。（4）卫星遥感 3s 融合可视化分析技术3S 是遥感（Remote Sensin

33、g）、全球定位系统（GlobalPosition System）和地理信息系统（Geographic InformationSystem）的简称，结合空间技术、传感器技术、卫星定位与导航技术和计算机技术、通信技术等多种技术。卫星遥感的应用，需要 GPS 与 GIS 的支撑：遥感影像带有天然的地理空间属性，作为地表的观测影像，遥感影像和其分析结果是一种典型的空间数据，需要基于影像元数据（拍摄时间、卫星轨道位置、拍摄角度等），并通过空间几何运算映射到地理空间位置和物理空间单位（如距离，面积等）才具备应用价值。为更好展示互动展现分析结果，发挥数据价值，遥感影像将分析结果，需要融合其他大数据（如地图信

34、息、人地大数据等）信息，以交互式查询和分析的方式发掘商业智能。图 11 展示了 3S 融合可视化分析技术在不21动产抵押场景中的应用。图 11.3S 融合可视化分析技术（5）主流技术平台和框架介绍随着卫星行业示范应用的快速推广，又衍生出卫星应用服务新业态，即依靠基础软件平台和核心技术，对卫星数据进行提取、加工、解译处理，为用户提供监测分析服务或信息挖掘服务。遥感云计算平台可有效降低大比例、高分辨率及长时间序列遥感数据应用的准入门槛，大幅提高遥感数据运算效率。遥感云计算平台拥有海量数据资源，并提供交互式大数据计算服务及应用程序接口 API，无需本地安装软件亦无需下载数据至本地进行处理，只需接入云

35、平台，按照流量、使用频率等方式进行付费，彻底改变了传统遥感数据需本地下载、处理及分析的模式。1）平台基于商汤 SenceRemote 智能遥感解译算法的 SenseEarth、阿里的泛自然资源行业人工智能引擎 AIEarth、腾讯的 WeEarth 超级地球及华为云地理智能体等平台发展迅速，逐渐应用于违建监22管、路网规划等城市管理领域，生态管理等自然资源领域，保险、期货等金融领域。各家平台简介如表 1 所示，详见附录（三）。表 1.遥感相关平台简介产品产品简介简介遥 感 智 能 视觉平台L-earth 天枢集成了海量数据管理、数据标注、模型训练、模型测试和发布、遥感推理服务以及模型知识资产的

36、安全管控功能，提供数据中心、遥感解译（地物分割、变化检测、目标识别、实例分割）、工具箱（影像超分、电力检测）等模块。阿 里 达 摩 院AI Earth提供遥感、气象等多源对地观测数据的云计算分析服务，包括数据检索、处理分析、模型训练 3 大模块。其中处理分析模块分为 AI 解译和基础处理两部分，AI解译提供地物分类、大棚提取、地块提取等 14 种能力，基础处理提供波段合成、指数计算等 8 种能力。在农业遥感方面，AI Earth 针对农业气象提出解决方案。腾讯云WeEarth 超级地球提供遥感影像、时空大数据管理、融合和逻辑运算能力，以及地图、遥感、物联网、位置服务等领域的全时空 PaaS、S

37、aaS 服务。涵盖卫星源数据的获取、存储、更新、传输、查询、应用、AI 分析等全产业链。华 为 云 遥 感地理智能体构建一站式全流程遥感智能开发云平台，提供数据平台、智能计算平台，为自然资源、生态、气象、环保等提供技术支撑。GoogleEarthEngine对大量地球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台，该平台能够存取卫星图像和其他地球观测数据库中的资料并拥有足够的运算能力对这些数据进行处理。四维地球提供日新图影像、镶嵌图影像、地物分类、变化检测、目标检测等产品。大地量子通过遥感+AI 技术，为农业、林业气候、金融等多个领域提供遥感服务。珈和地事通针对农情、农

38、险相关场景提供农情类、土地类、气象类、病虫害、气象灾害 5 大类遥感监测服务。ENVI提供一个完整的遥感图像处理平台，支持光谱分析、数据分析、高级图像分析。PCI是业内主流的遥感图像处理软件，功能覆盖遥感图像处理的全部环节。ERDAS通过将遥感应用、图像处理、摄影测量、雷达数据处理、地理信息系统和三维可视化等技术结合在一个系统中，实现地学工程一体化结合；无需做任何格式和系统的转换就可以建立和实现整个地学相关工程。呈现完整的工业流程，为用户提供计算速度更快，精度更高，数据处理量更大，面向工程化的新一代遥感图像处理与摄影测量解决方案。中科星图在基础软件平台之上承载融合各行业空间信息、扩展行业应用打

39、造形成的行业专23属应用软件，目前主要应用在特种数字地球应用软件、自然资源数字地球应用软件、交通数字地球应用软件、气象数字地球应用软件四大领域。航天宏图智慧地球云服务平台“PIE-Engine”是一套包容性强、普适性广的成熟产品集。集成了自主开发的光学、微波、光谱、雷达等多种数据算法，在支撑大气海洋环境，陆地资源环境，陆海空导航等卫星应用方面发挥重要作用，实现了关键领域核心技术的国产化替代。2）框架在框架方面，目前华为的深度学习框架 MindSpore、百度飞桨的 PaddleRS 等都包含对遥感技术应用的支持，此外相关框架也和科研院所共同合作开发了遥感专用开发框架以及预训练大模型。MindS

40、poreMindSporeMindSpore 是华为推出的一种全新的深度学习计算框架，旨在实现易开发、高效执行、全场景覆盖三大目标。MindSpore 原生支持超大模型训练及 AI+科学计算能力，可以加速遥感模型的训练时间和效率。为了在大型数据集上有效训练大模型，MindSpore 支持数据并行、模型并行和混合并行训练，具有很强的灵活性。此外，MindSpore 还具备“自动并行”能力，通过在庞大的策略空间中进行高效搜索来找到一种快速的并行策略。LuoJiaNet&LuoJiaSETLuoJiaNet&LuoJiaSETLuoJiaNET是武汉大学与华为基于昇腾AI共同打造的全球首个遥感影像智

41、能解译专用框架。LuoJiaNET 针对遥感数据像幅尺寸大、数据通道多、尺度变化大等特性，具备内存可扩展、尺度24通道灵活创建、数据通道自主优选、框架与数据协同处理的特点。其与国产人工智能硬件 NPU 深度融合，可支持 CPU、GPU、NPU 等计算设备，形成融合探测机理与地学知识的统一计算图表达、编译优化、图算融合、自动混合并行的新一代遥感智能解译框架。LuoJiaNET 构建了针对遥感影像“场景-目标-像素”多层级任务的遥感应用模型，包括场景检索、目标检测、地物分类、变化检测、多视角三维重建等五大类模型。LuoJiaSET 是业界最大遥感影像样本数据集，具备遥感领域满足 OGC 标准的大规

42、模遥感影像样本库，其制定了支持全球范围的遥感影像样本分类标准、标注规范，建立了涵盖不同遥感任务的统一分类体系，形成样本要素的采集要求、内容和流程规范，可支持多级别、多类型遥感影像样本库的采集、制作、管理、共享、应用。针对现有样本数据集面临的问题：分类体系不统一。样本数据集传感器种类单一，通常样本库都是全色或者 RGB 彩色，缺少高光谱、红外、SAR 遥感影像的样本；且通常是二维数据，缺乏三维数据。现有数据空间跨度有限、时间覆盖不均，导致模型泛化能力弱。样本集受标注人员水平限制，质量参差不齐。LuoJiaSET 建立了统一类别体系，提供大量数据集，覆盖范围广、时间跨度大、涵盖传感器种类多，同时提

43、供标准化的标注工具，可大幅提升影像标注效率。空天空天灵眸灵眸“空天灵眸”是由中国科学院空天信息创新研究院联合华为昇腾 AI 共同打造的全球首个面向跨模态遥感数据的生成式预25训练大模型，在模型设计、模型训练、推理优化等方向均进行了独特的技术创新。“空天灵眸”大模型深入结合光学、SAR（合成孔径雷达）等跨模态遥感数据的成像机理和目标特性，并在场景分类、检测定位、细粒度识别、要素提取及变化检测等典型下游任务中得到有效验证。在昇腾 AI 基础软硬件平台以及昇思 MindSpore AI 框架原生支持大模型的能力支持下，“空天灵眸”大模型的并行训练及下游任务开发得以加速实现，目前已在 8 个国际标准数

44、据集上达到领先水平，填补了跨模态生成式预训练模型在遥感领域的空白。PaddleRSPaddleRS飞桨（PaddlePaddle）是百度自主研发的开源开放、功能丰富的产业级深度学习平台。PaddleRS 是飞桨推出的高性能、多任务、全流程的遥感影像智能解译开发套件，其依托深度学习框架PaddlePaddle，具备工业级训练与部署性能，支持图像分割、目标检测、变化检测、图像复原、场景分类等 5 大任务。在部署层面，PaddleRS 推出开源遥感可视化智能解译工具，提供轻量级、功能丰富的遥感模型 Web 部署与在线解译方案。在模型层面，PaddleRS 提供 30 余个开箱即用的视觉、遥感模型，涵

45、盖经典算法与 SOTA 算法。在数据层面，PaddleRS 提供充分考虑遥感数据特点的数据处理 API 和工具，帮助用户简化繁琐的遥感数据处理流程，帮助开发者更便捷地完成从数据准备到模型部署的全流程AI+遥感开发应用。263.3.场景应用场景应用：应用范围更广应用范围更广、场景更丰富场景更丰富，下游需求不断增下游需求不断增长长遥感的应用范围广阔，遍布国土资源、气象观测、海洋资源、农业等各个领域，并结合了无人驾驶、5G、激光雷达、无人机、人工智能等技术。国内外主要应用场景如表 2 所示：表 2.卫星遥感技术应用场景应用方向应用方向应用场景应用场景描述描述国土资源调查检测评价、开发利用监督等帮助土

46、地管理机构快速、便捷地获取土地、江河湖海、矿藏、生物等高精度卫星影像。气象观测气象监测分析、自然灾害监测气象观测应用可准确反映天气、陆地和海洋状态的各种物理与生态参量，在天气气候、大气监测、灾害监测中发挥重要作用。海洋资源海洋资源监测、海洋应急监测海洋观测具有大面积、全天候、全天时、高时效的观测优势、提高海洋水文气象预报的准确性、用于开发海洋资源，发展海运事业、建设海洋工程及检测海洋污染。农业领域农业生产监管农业遥感能够客观、准确、高效、快速监测和评估农业干旱和病虫害等灾害信息，估算全球、全国及地区区域的农作物产量，为粮食供应数量分析与预测预警提供信息。农业遥感技术主要分为作物监测、资源监测及

47、灾害监测。环境监测大气环境监测、陆地环境监测、水环境监测、植被环境监测及土壤环境监测等遥感技术在环境领域的应用，目前主要体现在大面积的宏观环境质量和生态监测方面，在大气环境质量、水体环境质量和植被生态监测等方面中都有比较广泛的应用。智能驾驶自动驾驶高分辨率卫星遥感数据可用于制作高精度电子地图，高精度地图坐标精度更高、具有准确度道路形状及属性、所含丰富细致的道路交通信息元素，助力提升自动驾驶的可行性及安全性。应急管理灾害监测分析、应急指挥调度医疗和公共卫生领域，利用 3S 技术实现对人群流动进行高精度定点定位，揭示疫情时空格局与空间传播规律；通过实时遥感图像进行社会活动分析、旅游活动分析等，为政

48、府提供真实有效的信息，便于对群众的定点疏散和管控，抑制疫情的蔓延。通过遥感图像还可为疫情期间的紧急建设场地提供生态环境监测，保障施工生态安全军事领域国防安全分析、军事目标侦查军用遥感通过可见光、红外、多光谱、微波和声波等遥感器，从高空或远距离感受来自目标物的电磁波信息，经光学、电子技术处理成为图像或数据，以揭示目标的性质和状态，从中获取信息，用来进行军事侦察、导弹预警、武器制导等。27三、金融行业卫星遥感应用诉求（一）涉农信贷（一）涉农信贷2017 年 10 月，习近平总书记在党的十九大报告中指出，农业农村农民问题是关系国计民生的根本性问题，必须始终把解决好“三农问题”作为全党工作的“重中之重

49、”，实行乡村振兴战略。2018 年 2 月，中央一号文件中共中央国务院关于实施乡村振兴战略的意见正式公开发布，该文件明确“实施乡村振兴战略，必须解决钱从哪里来的问题”。金融行业应多方面推进投融资机制创新，加强金融供给，发挥农民主体作用，为乡村振兴提供有力支撑，其中涉农信贷是乡村振兴中的一个核心领域。目前，主流的涉农信贷模式主要分为信用方式和土地产权抵押方式，贷款对象包括传统农户和新型农业经营主体，贷款授信依赖于农户土地承包数据、农产品加工产业链上下游订单等信息，缺乏直接的农田、农作物、畜牧的动态数据。由于农村金融领域信用体系存在缺乏有效抵押物、运营成本高、覆盖程度低等问题，使得农户较难获得便捷

50、优质的金融服务。当前涉农信贷在精细化授信、贷后风险管理、客户体验等方面面临着如下痛点：第一第一，农户申请贷款缺乏信用模型农户申请贷款缺乏信用模型、精准授信难精准授信难。由于农户资产大多为土地、作物、畜牧等形态，其勘察人力成本高且效率低下，贷前信息收集困难。针对不同产能规模、不同价值种类的农作物，也难以依靠人力来精准评估其资产价值。因此，农业资产难以进行有效的评估和抵押，同时也难以精准预估贷款额度和还款周期。28第二第二，风险预警慢风险预警慢，缺乏动态数据缺乏动态数据。由于涉农资产风险较高，容易受到干旱、洪涝、病虫害等不可抗力因素的影响，但无法对农业抵押物的生产经营过程进行动态监测和评估，无法及

51、时处置，贷后管理亟待完善。第三第三，农户信贷体验差农户信贷体验差，流程繁琐流程繁琐。基于涉农信贷较高的授信难度和难以预测的贷后风险，农户在办理信贷业务时授信流程较为繁琐，依赖经办机构人工筛选和多层审批，且金融机构为了防范风险，其授信的额度也往往较低，无法满足农户的实际需求。站在国家战略的角度而言，涉农信贷支撑数据不足导致金融机构的涉农获客能力差，尤其是面向创新型、高产能、高作物价值的新型农业经营主体，金融机构缺乏商机洞察力，难以实现精准营销，同时也限制了此类优质农业经营主体利用信贷资源对产能、生产品种的进一步扩大和优化升级，对支撑乡村振兴战略的有效落地形成相反作用。基于上述痛点，卫星遥感技术在

52、大田种植业、大棚种植业、畜牧业具有潜在巨大的应用前景，能够有效支撑涉农信贷贷前标的调查、贷中风险控制、贷后预估预警的全流程业务，更好地落实国家战略。（二）农险和产险（二）农险和产险近年来，保险业在贯彻党中央全面推进“乡村振兴”战略的决策部署中，通过持续扩面、增品、提标，不断提升保险保障服务水平，在乡村振兴方面发挥了积极作用，取得了明显成效。中国银保监会发布的关于 2022 年银行业保险业服务全面推进乡29村振兴重点工作的通知对提升保险业在乡村振兴中的功能和作用提出了具体要求，包括提升农业保险保障水平、落实三大粮食作物完全成本保险和种植收入保险主产省产量大县全覆盖等，提升农业农村保险承保理赔服务

53、质效，按照“愿保尽保”“应赔尽赔”“快赔早赔”的原则，主动、迅速、合理开展承保理赔服务。随着近年来移动互联网的迅猛发展，大量涉农保险的承保、理赔流程已经从线下转移到了线上，有效降低了保险公司的人力成本与工作量，但还存在如下几个痛点：第一第一，核保难度大核保难度大，耗费人力且效果不佳耗费人力且效果不佳。对于种植业而言，核保人员需要人工核查种植作物面积、种类及产量，难以实现自动化的按图承保；对于养殖业而言，核保人员需要人工核对畜牧数量，无法做到精准识别，容易出现虚假承保等违规风险。第二第二，出险概率高出险概率高，费率不公平费率不公平。基于部分地区涉农产业容易遭受自然灾害的影响，在保险保障期间内难以

54、及时进行保险标的物的灾害风险监控预警，一方面无法进行及时有效的防灾减损，另一方面也会抬高保险费率，不利于不同地区、不同作物保险产品的差异化定价。第三第三，查勘定损难查勘定损难，理赔效率低理赔效率低。被保涉农标的物在遭遇灾情后一旦出险，保险公司无法精准有效的对损毁情况进行核查，甚至还需耗费人力去往现场勘察，缺乏完善的定损体系，难以实现“快赔早赔”的要求。涉农保险领域亟需遥感技术赋能降本增效，激发农户的增产积极性，同时协助保险公司持续提升业务竞争力。在财险保险领域中，涉农保险只是其中的一个子类，其余涉30及大型被保标的物的财产保险同样对于卫星遥感技术的应用有着强烈的诉求。例如，产险标的物为已建成的

55、高速公路、机场等工程，需要实现滑坡、塌方、沉降、变形等监测预警和灾后定损；产险标的物为国家森林等大面积植被，需要进行火灾预警和灾后评估定损。因此，卫星遥感技术在财产保险领域有着广泛的应用前景。（三）地产基建信贷风控（三）地产基建信贷风控基础设施建设是稳投资的“压舱石”，是经济社会发展的重要支撑。银保监会提出，要把稳定宏观经济大盘放在更加突出的位置，引导加大对基础设施建设项目的金融支持力度。中国人民银行提出，要引导金融机构增加对实体经济的贷款投放，重点发力支持基础设施领域建设。近年来，各家国有大行及股份制银行对于交通、水利、新基建、新型城镇化等基建项目和重大工程的信贷支持持续加大，同时也不得不面

56、临着解决大型工业信贷管理中存在的“现场调查难、人力成本高、效率待提升、监控不全面”等痛点。首先首先，部分项目选址涉及深山、林地、沙漠、海上等偏远地区，现场定期调查不便，且调研成本较高，调研频率受限；其次其次，部分项目施工范围较大，例如铁路、公路项目涉及多个道路段，风电项目范围几千公里，通过人工勘探的方式较难实现，一方面获取信息不全面、全局统计评估困难，另一方面审核容易受到主观因素的影响；此外此外，国际形势等不确定因素也会导致境外建设项目无法派遣专业人员前往调查监督，例如受制于疫情影响等31等。因此，基建信贷领域亟待利用卫星遥感技术实现贷后的远程监督管理，包括工程进度的监测和异常状况的及时预警等

57、。房地产信贷同样占据银行贷款业务中的较大比重。近年来，针对已售逾期难交付的住宅项目建设项目，住建部、财政部、人民银行等有关部门也纷纷出台措施，提出政策性银行专项借款，“保交楼、稳民生”。针对此类信贷业务的风控，同样对卫星遥感的应用有着强烈诉求，例如需要宏观分析建筑附近居住人口、办公人口、车流量、夜光经济热度指数等信息，为贷前授信提供重要数据支撑；需要监控已建楼高、工棚、物料堆、货运量等工程进度信息，作为贷后风险管控的重要依据。（四）一带一路信贷风控（四）一带一路信贷风控“一带一路”作为中国首倡、高层推动的国家战略，对我国现代化建设和屹立于世界的领导地位具有深远的战略意义。金融机构在深入推进“一

58、带一路”建设的过程中，积极加强金融供给，在信贷领域做好强力支撑。然而“一带一路”沿线国家集中了全球 85%的地震灾害、水旱灾害、风暴灾害，在支撑沿线国家基础设施建设的信贷业务中，需要原始的地理、环境、地质等各方面信息作为信贷管理的数据支撑。针对大型融资项目普遍存在因交通不便导致的现场勘察成本高、监测不全面等痛点，对于贷后的风险管理能力较差，需要借助遥感影像分析技术，对空间分辨率 1m 以下遥感影像进行地物分析，对矿区开采、堆场变化、交通运输等进行非现场实时监测；同时沿线国家城市化进程和经济发展不平衡也是“一带一路”32建设的掣肘，因此在城市化建设、城市管理、环境保护方面，也亟待引入卫星遥感技术

59、，例如通过夜光遥感，侧面分析一个国家、一个地区的发展程度，使我们对“一带一路”的资源环境现状及变化一目了然。（五）投资决策辅助（五）投资决策辅助为实现“碳达峰、碳中和”的目标，众多金融机构提出 ESG指数、夜光指数等投资评价体系。ESGESG 指数指数的“E”代表Environment，反映双碳目标驱动下企业可持续的社会责任感，可通过卫星遥感技术实施对环境的宏观动态检测，例如捕捉绿度数据等因子，监测区域内或工厂周边的绿度数据，继而反映工厂自身的环境管理情况以及对周边环境的负面影响。夜光指数夜光指数可通过夜光遥感获取人类夜间灯光照明等信息，反映地表人类活动情况，完成区域经济热度的跟踪，判定企业开

60、工经营情况，对企业的整体营收具有一定的揭示意义，上述指数是双碳目标下投资决策的重要指标。此外，针对大宗商品企业或大型基建企业的投资调研方面，也可以通过卫星遥感技术实现相应的分析和决策辅助。例如针对矿产企业，可监测矿产的产能；针对原油企业，通过监测储油罐、油轮，监测原油的供应量；针对港口、机场，监测其物流货运量或起降量，从而更好地判断该企业是否值得投资。（六）新能源绿色金融信贷风控（六）新能源绿色金融信贷风控围绕双碳目标，践行绿色金融。当今气候变化和资源紧缺已33经成为全球性的话题，绿色金融概念在时代的大背景下也应运而生。风力、水力、光能新能源具有清洁高效、可持续、可再生等特性，我国的电源消费结

61、构正向清洁低碳加快转变，火电站开发增速放缓，清洁能源占比逐年增加。在 2020 年 12 月在气候雄心峰会上，我国宣布到 2030 年非化石能源占一次能源消费比重将达到 25%左右，风电、光伏发电总装机容量将达到 12 千瓦以上。在 2021 年发布的2030 年前碳达峰行动方案中指出，要大力发展新能源，全面推进风电、光伏项目的大规模开发和高质量发展。在 2022 年发布的“十四五”现代能源体系规划国家鼓励在推进分散式风电外，有序推进集中式开发，加快推进地处沙漠、戈壁、荒漠等地区为重点的大型光伏基地建设，同时鼓励建设海上风电基地，推进海上风电向深水远岸区域布局。金融行业积极响应国家政策、推进信

62、贷结构转型，大力发展绿色信贷，在新能源方面主要涉及风电站、水电站、光伏设施等工程建设的信贷项目。风电站、水电站、光伏设施等新能源设施建设项目在信贷管理中存在以下难点：涉及范围广、人工监控不全面；新能源项目多建设在海上、沙漠等偏远地区，受疫情、安全和交通等因素，人员难以到达，交通和安保成本高；现场审核存在由企业人员主导监测路径的情况，监控主观性强。为落实“主动防、智能控、全面管”的风险管理要求，解决项目建设进度监控和存续期管理时存在的“监测间隔期长、审核不全面、效率低、成本较高”等问题，实现更优的信贷管理工作，通过卫星遥感影像辅助，实现更广而全的非现场监控，将监控时34效从季度提升到月度乃至半月

63、，将范围从局部监控提升到全面监控，提升监控工作的客观性和准确度，满足新能源信贷项目的贷后监控要求。（七）土地流转管理（七）土地流转管理农村土地流转指的是土地使用权流转，是农村家庭承包的土地通过合法的形式，保留承包权，将使用权（经营权）转让给其他农户或其他经济组织的行为。农村土地流转是农村经济发展到一定阶段的产物，通过土地流转，不仅促进了土地资源在经营者间的合理流动，加快了农村土地规模集约化的进程，优化了土地资源配置；也促进了农业结构的调整，加快了农业产业化进程；更加促进了农村经济的发展和劳动力的转移，有利于吸纳各种社会资金投入农业生产开发的利用，切实增加农民收入。当前实现土地流转健康运转还存在

64、诸多痛点：第一第一，农业生产周期长、效益低、风险大。土地承包人从承包土地的选择、种植过程中的科学规划到自然灾害的应对，不确定因素太多，这一定程度阻碍了土地承包人的积极性。第二，第二，土地流转的意义在于土地流转以后，发展高效农业，精耕细作，达到高产高效，而一些承包大户由于缺乏相关技术支持，只能搞粗放的规模化，不仅无法提高效益，而且对土地资源也造成一种浪费。第三第三，土地使用情况的实时监管和补贴的准确发放也是土地流程管理中的困扰点，一些承包人私自改变土地农业用途，农田非粮化、非农化现象频发。35在土地流转管理平台中引入卫星遥感技术可以为管理方和承租人提供全程技术支持，很大程度地解决这些痛点。通过卫

65、星遥感技术获取农田基础设施、地块分布及土壤肥力状况，土地承包人可以依此进行承包地块的选择。在土地承包后利用遥感对作物进行包括长势情况、产量估算、土壤墒情、病虫及自然灾害等信息监测，从而提高承租人的积极性。管理方可以利用卫星遥感技术进行种植情况的远程监管，看看是否有撂荒或者种植不符合约定作物的情况，从而避免了土地挪作他用。结合农村承包地确权登记数据，采用不同时期的遥感影像，可以获得实际耕作品种和面积，再和地方上报的数据进行比较分析，为农业补贴的发放提供客观的数据保障。（八）金融租赁风控（八）金融租赁风控作为我国金融结构的一个重要方面，发展金融租赁业务有利于商业银行资产结构的改变和业务渠道的拓宽；

66、同时有利于中小企业融资环境的改善。租赁业务包括飞机租赁、船舶租赁等，通过卫星遥感技术能够更便捷地实现租中的监测，例如租赁物位置监测、租赁物折损等状态变化检测，实现金融租赁业务的线上化、智能化的动态管理。基于对上述八个金融领域的诉求分析可以明确：金融行业亟待利用金融科技赋能数字化转型，有效引导金融结构优化调整，而卫星遥感技术针对大范围大面积、全局信息获取、空间连续性高的地面数据采集场景具有天然优势，有必要深化国家卫星体系与金融科技应用结合创新，推动卫星通信技术在金融领域的产业36化应用。四、卫星遥感技术金融业应用案例（一）金融业应用现状概述（一）金融业应用现状概述本次与北京金融科技联盟专委会 2

67、4 家机构以问卷形式进行调研，结合各金融机构官方宣传内容，就场景和技术能力建设时间、数据使用方式、应用场景、系统建设情况等进行了广泛梳理，详情如下。1.1.银行业和保险业纷纷布局卫星遥感应用银行业和保险业纷纷布局卫星遥感应用在调研的金融机构中，已有 12 家银行机构启动卫星遥感相关的布局，占比 50%。已有 4 家保险机构启动卫星遥感相关布局，占比 18%。各金融机构应用的主要目标包括：提升风险评估的能力、一线员工的工作效率、金融服务水平，提高客户体验，激发本机构业务创新能力。早在 2009 年，人民保险集团启动卫星遥感相关项目；网商银行、工商银行、招商银行理财子公司于 2019年，建设银行、

68、平安银行于 2020 年，农业银行、恒丰银行于 2021年，银联、银联商务、浦发银行、兴业银行、浙商银行、中国银行于 2022 年先后启动卫星遥感相关技术研究与实践工作，如图12 所示。37图 12.卫星遥感技术应用金融机构数量（1）各金融机构主要应用场景工商银行工商银行：工商银行领先同业，首批推出工业建设和农业农村卫星遥感采集和监测体系，赋能信贷业务管理，支撑贷前标的调查、贷中风险控制、贷后预估预警全流程。通过在绿色能源、公路基建、建筑工程、农业授信等 60 余个试点场景综合运用塔吊、桥墩、光伏、风车、变化检测等 10 余个智能识别能力，在后疫情时代打破地理隔离、加快智慧信贷步伐的同时，有效

69、提升信贷管理智能化、精细化、专业化水平。目前，卫星遥感赋能项目已涉及融资规模超过 1000 亿元，有力支持乡村振兴、普惠金融、绿色金融等相关工作。建设银行建设银行：为积极响应国家乡村振兴号召，建设银行乡村振38兴金融部在 2020 年成功打造裕农快贷产品体系。2021 年，为深化农户金融服务，加大农贷有效投放，建设银行通过创新贷款服务，将卫星遥感应用于涉农贷款的贷前准入、授信审批、贷后监测全生命周期中。目前已完成河北南和、巨鹿、平山、正定，云南蒙自、开远试点县的冬小麦、夏玉米等作物的识别，有力支撑农户经营地块确认、农林作物品类识别、产量评估、长势分析等重要场景。此外，卫星遥感影像也广泛应用于行

70、内海外项目的贷后管理。中国银联中国银联：为落实中国人民银行金融科技赋能乡村振兴示范工程，银联搭建了惠农服务基础支撑平台，即金融惠农数字营业厅。金融惠农数字营业厅主要为农业场景的金融应用提供数据服务的技术支撑，形成涉农信贷场景下覆盖贷前、贷中、贷后等环节的技术支撑能力。在种植业场景，通过连接商业银行、征信平台、保险公司、农担公司及地方政府等机构现有的三农平台，形成农业资产物卫星遥感等农业数据可信转接能力，构建相关大数据模型进行分析处理，联合商业银行、征信机构、保险公司、农担公司等外部机构为涉农企业、商户、农户提供涉农信贷服务。银联商务银联商务：银联商务已开展卫星遥感在精准农业领域应用的技术预研，

71、依托银商大脑 AI 能力平台和第三方遥感数据，后续将为精准农业提供以下两类农田与作物的空间分布信息：一类是基础信息，这种信息在作物生育期内基本没有变化或变化较少，主要包括农田基础设施、地块分布及土壤肥力状况等信息；另一类是时空动态变化信息，包括作物产量、土壤墒情、作物养分状况、病虫害的发生和发展状况、杂草的生长状况以及作物物候等39信息。网商银行网商银行：网商银行 2020 年开始推出“大山雀”系统，通过深度学习等 AI 技术解析卫星图像，并首次将卫星遥感技术应用于农村金融领域。该系统可识别作物的种植面积、种类和长势，并结合农户对耕地的自证、政府机构登记的土地流转数据，以及气候、地理位置、行业

72、景气度等情况，利用几十个风控模型预估产量和产值，为农户提供信贷额度和合理的还款周期。截至 2021年末，大山雀系统已服务 1000 多个县域，服务种植农户 60 多万。平安银行平安银行：平安银行发射首颗对地遥感成像卫星“平安 3 号”，与此前发射的物联网卫星“平安 1 号”、“平安 2 号”共同支持平安银行的供应链金融服务。“平安 3 号”能够获取高解像图像数据，在企业授权后银行能够掌握供应链上下游的真实经营情况，评估贷款风险，服务于微小企业，解决其融资困难的问题，推动普惠小微贷款的增长。在农业领域，对农作物的种植区域面积和生长情况等定期监测。在智慧能源领域，获取光伏发电站待识别区域的遥感影像

73、，测算光伏板数量，评估完整度。在城市服务领域，监测商业地产及工业园区的建设进度。兴业银行兴业银行：2022 年，兴业银行为提升金融服务水平，基于前期对卫星服务福建“四大经济”课题的调研及商业航天与金融结合的交流探索，启动卫星遥感应用相关工作。将卫星遥感技术定位为行内“千里眼”，以突破银行依赖信贷人员现场开展贷款“三查”工作的传统模式限制，广泛应用于贷前、贷中、贷后各个环节，结合已经用于授信管理的工商、征信、税收、RP、用水用电等数据，将极大提高授信管理的数字化、智能化水平，带来信贷40模式的巨大变革。前期，已开展茶叶种植和林业碳汇试点应用场景建设，初步完成卫星应用平台建设，满足茶叶识别、种植面

74、积测算、病虫害及自然灾害监测、生长趋势分析、林木识别、林场面积测算等业务需求。已规划工业-在建工程、工业-水电站、工业-风电站、工业广电站、基建-铁路公路、厂区、农业-主粮、海洋渔业-近海鱼排、林业-碳汇指数、城市活力-夜光指数等应用场景，完成部分场景的验证与可行性研究，同步开展微波雷达卫星、微光卫星、红外卫星等技术研究。农业银行农业银行：农业银行通过打造三农卫星遥感分析平台，应用于惠农 e 贷和农户信息建档，对农户贷款地块卫星影像进行智能判定，实现系统录入资料全面定位，低成本贷前调查、高可信贷中核查、短周期贷后重访，目前已落地多个应用场景。人民保险人民保险：已开展 13 年卫星遥感平台建设，

75、支持水稻、玉米、小麦等作物的长势监控、产量预估等，已落地承保验标、作物长势监测、灾害查勘定损等多个场景，解放人力，节约物力，提高承保和理赔的精度和效率，有效增强企业项目的竞争优势。（2）各金融机构主要应用领域在应用领域方面，覆盖农业及自然资源遥感、工业遥感和夜光遥感 3 大领域：农业及自然资源领域的管理和监控农业及自然资源领域的管理和监控：主要识别包括耕地面积、农作物识别、长势监测、产量预估、农险定损、渔排监控、森林碳汇。工业领域工程进度的管理和监控工业领域工程进度的管理和监控：主要包括产业园区监控、41工矿仓储用地监控、绿色能源-风电站监控、绿色能源-水电站监控、绿色能源-光能监控、基建-公

76、路铁路建设管理等。城市活力评估城市活力评估（夜光遥感夜光遥感）：夜光遥感通过获取地表发射的微光电磁波信息，主要反映的是地表人类活动状况、人类夜间灯光照明、石油天然气燃烧、海上渔船灯光、森林火灾以及火山爆发等现象。相比于普通的卫星遥感影像，夜光遥感能够提供以人类活动为中心的独特视角，能够直接揭示地表人类活动的潜在规律。（3）各金融机构主要监控要素在监控要素方面，各类场景中当前主要监控要素如表 3 所示：分类分类主要监控要素主要监控要素数据精度数据精度工业-在建工程建设范围、施工面积、建筑物变化检测、建筑物数目、高度、塔吊数目、地物分类和变化0.75-1m工业-水电站施工区域面积、建筑变化检测、蓄

77、水面积、截流面积、电塔数目、水坝宽度，塔吊数目、地物分类0.75-1m工业-风电站机组安装数量，风车建设数目0.75-1m工业-光电站光伏板数目和面积0.75-1m工业-基建公路铁路类构筑物面积、建设里程数、桥墩，已建成未建成路段分类和计算0.75-1m厂区监控厂区面积、堆场面积、建筑变化检测0.75-1m农业场景-大棚监控大棚数目，在用和闲置大棚比例情况0.75m农业场景-主粮作物主粮作物小麦、玉米等长势监控、产量预估、干旱监测1m-10m农业场景-经济作物主要针对猕猴桃、苹果等经济作物的长势监控、产量预估、干旱监测，监测内容包括：作物种类，面积，长势，气象灾害，作物生长地的海拔等地形数据；

78、10m农业场景-近海渔排渔排的数量和面积10m农业场景-森林或林场面积、树种、树龄0.5-0.75m42碳汇指数农业-保险理赔承保验标、作物长势监控、产量预估、土地受损面积1m-10m城市活力-夜光指数夜光指数通常100m表 3.卫星遥感应用场景主要监控要素和数据精度要求各金融机构监控要素分布情况如图 13 所示：图 13.金融机构主要监控要素2.2.数据使用：按场景综合应用高中低分辨率数据数据使用：按场景综合应用高中低分辨率数据在数据来源方面在数据来源方面，主要包括三种主要渠道。一是采用私有化商业遥感数据，例如工商银行、建设银行等；二是采用云数据/共用服务平台数据，例如网商银行、银联等；三是

79、采用联合发射卫星模式，获得专项数据的方式等，例如平安银行发射“平安 3号”等，联合发射的“平安 3 号”整星发射重量约 75KG，运行于500km 太阳同步轨道，配置 0.9m 分辨率、14.4km 幅宽的光学相43机，主要用于对地光学遥感观测。在数据使用空间分辨率方面，在数据使用空间分辨率方面，目前包括高分辨率亚米级（1m）以及中低分辨率（1m），其中对于农业主粮作物等主要采用中低分辨率，对于工业场景以及经济作物需要使用高分辨率的遥感影像。在数据应用频度方面，在数据应用频度方面，目前包括按事件的触发、定时监控的2 种方式。事件的触发包括应急监控、定损监控、信贷额度评估、投资价值评估等；定时按

80、频监控主要包括普惠金融农业信贷贷后管理、工业信贷贷后管理。3.系统建设：AI 和自动化趋势3.系统建设：AI 和自动化趋势目前一些金融机构使用公有云/私有云方式开展卫星遥感影像识别技术研究及系统建设，相关系统基于卫星遥感、图像识别、人工智能、空间分析等技术搭建，结合基础地理和卫星遥感等数据，实现卫星遥感影像的快速提取和自动分析。主要系统架构如图 14 所示：44图 14.卫星遥感系统架构在业务使用流程上，主要步骤如图 15 所示：图 15.卫星遥感技术业务使用流程45（二）银行应用案例介绍（二）银行应用案例介绍1.1.工业信贷管理工业信贷管理-新能源建设项目新能源建设项目（风电站风电站、水电站

81、水电站、光伏设光伏设施）施）（1）新能源风电站风电站指利用风能驱动风轮机以带动发电机生产电能的电厂，风能属于可再生能源，无污染，具有广阔的应用前景。在风电站项目中，主要通过卫星遥感技术对工程项目建设期的进度进行监测评估，根据风电项目的监控目标大小，选用亚米级别遥感影像，进行目标分析识别。在风机基础工程上，重点关注土方开发、土方回填、混凝土基础垫层等变化情况，在风力发电组安装阶段，重点关注风车机组的数量变化。例如，通过图 16 可看出，与 T 月相比，T+1 月在风车机组数量上仅增加 1 个新的机组，与前期设定的阈值存在差距，需要工作人员关注风险，主动沟通确认项目实施进度，确保项目按序推进。图

82、16.风电站项目监控要素-施工进度（多时相）同时因风电在地域、季节变化中跨度较大，在自动识别时，46模型需具备较强泛化能力，能够适应季节、时相、气候、光照的变化，详见图 17 示例。图17.风电站项目监控要素（2）新能源水电站水电是一种可再生的清洁能源，成本低廉，在新能源发电中，占主要地位为 48%，而且在发电的同时还能控制洪水泛滥改善航运条件，是助力实现碳达峰、碳中和的重要方式之一。在水电站项目中，主要通过卫星遥感技术监控项目实施进度，结合多期影像分析结果和时令季节确认项目风险。根据水电站项目监控目标大小，采取卫星可见光遥感影像监测，辅以人工智能图像处理方法对目标地点按照月度进行监测，重点关

83、注塔吊、车辆、施工区域。图 18 为某地水电站施工区域拍摄到的影像及分析结果，可以看到，相比较于 T 月，T+2 月份施工区域增加了一个塔吊。47图 18.水电站项目监控要素-施工进度（多时相）图 19 为水电站的地物分类结果，从地物分类结果上来看，建筑用地占总面积为 56186 ，占总面积比例约为 13.21%。图 19.水电站项目地物分类结果除了变化检测外，遥感影像能够实现多目标监测，如图 20所示，在某地水电站建设处能够拍摄到与大型运输车、高压电塔等物体。塔吊、大型运输车均与施工相关，高压电塔下方有大型变电站的设施，为水电站相关的配套设施。48图 20.水电站项目监控要素（3）新能源光伏

84、设施光伏发电是指利用光伏电池将太阳辐射能直接转换为电能。在光伏项目中，主要通过引入卫星遥感影像分析技术，对光伏设施建设进度和设备情况进行有效监控管理，保障项目有效推进。根据光伏项目监控对象特点，采取卫星可见光遥感影像对项目现场的建设施工及关键设备情况进行监控，包括但不限于集热塔建筑、定日镜铺设、主机设备到位等，并将卫星监测结果与施工时间表进行比对，通过非现场方式判断项目建设进度是否正常。图21 为某地区光伏设施建设项目遥感监测影像，可以看出，在西北角区域，T 年为空地，T+1 年已建设有光伏板，光伏板面积32.795341 平方千米。49图 21.光伏项目监控要素-施工进度（多时相）2.工业信

85、贷管理-产业园区2.工业信贷管理-产业园区产业园区是以促进某一产业发展为目标而创立的特殊区位环境，是区域经济发展、产业调整升级的重要空间聚集形式，担负着创新资源、培育新兴产业、推动城市化建设等一系列的重要使命。在产业集群的指导下，推进产业园区建设，不仅是当前发展产业集群的需要，更是加快新型工业化进行的必然选择。改革开放以来，我国各地如雨后春笋般涌现出各种类型的产业园区，数量逐渐增多，分布日益广泛，影像逐步扩大。十二五期间各地千亿级产业园规划有 10 余个，未来我国将进入各类产业园区建设高峰。为支持产业园区建设发展，金融行业多家银行推出“产业园区贷”等产品助推产业发展。产业园区具有面积大、建筑物

86、多（工场以及各种公共设施和娱乐设施）等特点，且通常情况下50在项目实施前已有详细的区域规划对园区环境规定了执行标准和限制条件。根据产业园区监控对象特点，在能清晰识别相关建筑施工面积情况下采集月频可见光数据，将项目建设施工面积、施工车辆数目作为监控要点，结合多期影响分析结果确认项目风险。图 22分别为某地产业园施工区域拍摄到的遥感影像和地物分类结果，可以看出，相较于 T 月，T+2 月建设用地面积占比增加 4.9%。图 22.产业园区项目监控要素-施工进度（多时相）图 23 为建筑物高度监测影像，结合阴影、角度等信息数据实现建筑物高度检测，图中建筑物高度为 26.78 米。图 23.产业园区项目

87、建筑物高度检测51图 24 为建筑物面积和个数监控影像，对该区域中的建筑物数量和面积进行智能分析，结果见图，该区域共有 18 个建筑物，面积如图 24 所示。图 24.产业园区项目建筑物数量和面积监控3.3.工业信贷管理工业信贷管理-基建公路铁路基建公路铁路交通运输是国民经济中具有基础性、先导性、战略性的产业，也是构建双循环发展格局的重要保障。2022 年 4 月 20 日，银保监会、交通运输部联合印发关于银行业保险业支持公路交通高质量发展的意见（以下简称意见），鼓励银行保险机构为符合条件的绿色低碳公路项目提供金融支持，推动公路交通实现高质量发展。意见要求，聚焦重点领域和重大项目，积极服务“一

88、带一路”、粤港澳大湾区等国家重大战略实施，中西部地区、沿江沿边沿海战略骨干通道等为重点，支持国家高速公路待52贯通路段建设和交通繁忙路段扩容改造。某银行先后与西南、西北等偏远地区达成公路建设融资项目的合作，强有力地支持了地方经济建设。根据监控对象特点，使用卫星遥感影像分析技术对各个标段的建设进度按月进行监测，分析施工路段的情况，包括全长、在建、尚未建设的公里数、桥墩等信息。图 25 为某高速公路项目区域 a 道路提取专题图，道路全段长为 50km，在建设道路 17.28km（黄色部分），已完成 23.52km（绿色部分），其余部分还未开始（红色部分）。图 25.高速公路项目施工进度总览图 26

89、 为 T 年和 T+1 年拍摄的另一个高速公路的影像和目标物桥墩个数的识别结果，通过影像分析结果可以得到相较于 T 年，T+1 年规划区域多了 10 个桥墩，正在按照计划进行施工。53图 26.高速公路项目监控要素-施工进度（多时相）4.4.工业信贷管理工业信贷管理-矿厂区矿厂区矿业开发是“一带一路”建设的重要组成部分。“一带一路”沿线国家在金属矿业领域有独特发展优势和巨大发展潜力，其矿产资源丰富，成矿条件好，找矿潜力巨大，且矿产资源及相关领域的投资能够带动当地就业和社会经济发展。我国与“一带一路”沿线国家开展广泛的矿业国际产能合作，通过合作，既满足了我国发展对矿产资源的迫切需求，又提升了我国

90、矿业企业核心竞争力。某银行与“一带一路”某沿线国家达成合作，为其矿产开发项目提供融资。该国拥有丰富的矿产资源，该项目对于中国矿业企业“走出去”，加强中国与第三世界合作有着重要的意义。通过卫星遥感技术对施工人员及设施、矿区开采剥离、厂区建设等情况进行监测，以非现场方式判断项目建设进度是否正常。对于目标矿区，由图 27 放大的局部细节图可以看到，T 月与54T+1 月相比，施工区域有明显变化，且施工点附近均有很多大型施工车辆，可辅助判断处于施工状态。图 27.矿场区项目监控要素-施工进度（多时相）图 28 展示了其他监控要素，A 处为油罐、BC 处为建筑物、D处为洗矿池，同时通过影像分析能够得到B

91、处当前面积为14332.7。图 28.矿场区项目监控要素5.5.农业信贷管理农业信贷管理-作物监控作物监控在中国共产党第十九次全国代表大会上，习近平总书记作主55题报告决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利，提出实施乡村振兴战略。为深度融入国家乡村振兴战略，各家金融机构在农业普惠信贷领域持续发力，在三农领域做好金融支持与综合服务。农业普惠信贷作为银行业支持乡村振兴战略的重要业务方向，始终存在着农户贷款难与银行难贷款并存的现象。为深化农户金融服务，加大农贷有效投放，解决农村由于地广人稀、农业数据不足带来的农业信贷工作中农业资产信息获取难、勘察人力成本高、贷款额度和还款周期预测不准

92、等问题，可通过创新贷款服务，将卫星遥感应用于涉农贷款贷前准入、授信审批、贷后监测全生命周期中，采用全线上移动端办理模式，为农户打造极致贷款办理体验，节约业务开办成本，从源头上为农户增信，方便农户申请贷款，增加客户信贷可得率，提升农村贷款办理效率。为满足场景需求，首先需进行土地权属验证，利用农户上传的土地范围勾画数据，结合确权证明数据和高清影像数据，可对农户申请贷款的土地范围进行自动核验，判断贷款农户地块位置和面积；其次对区域的用地类型精准分析，实现对区域范围内涵盖耕地、林地及其他等类型分布、面积测算等精准监测，同时实现作物分类、产量预估等功能，用于快速核保与精准补贴发放；在贷后管理方面，有效监

93、测农作物的长势情况，在生长期与历史同期长势进行比较，全面掌握生长期内的变化信息，并在冰雹、56大风、暴雨、旱涝等灾害后对房贷土地的受灾情况进行定性评估，从而监控并预判相关贷款风险；最后，可基于土壤水肥数据、气象及灾害数据等基础上构建农作物适应性评价模型，定制农业种植分布图，确定种植不同作物地块质量的等级分类，进行客户资产信息的数据沉淀。农业信贷业务流程见图 29，涉及的相关技术能力见图 30。图 29.农业信贷业务流程57图 30.农业信贷卫星遥感技术能力（1）主粮作物我国主粮作物包括水稻、小麦、玉米、大豆，主粮作物种植区主要分布在平原地带，具备种植集中、种植面积广等特点，应用遥感技术对作物进

94、行监控，目前主要监控能力包括作物识别、长势分析、干旱监测、灾害监测、产量预估等，有效提升了监测的时效性，节省大量人力物力，助力乡村振兴。作物识别作物识别：通常基于作物在时序上的光谱特征差异对农作物的种类进行识别。使用遥感数据训练大规模深度神经网络和图神经网络模型，使模型能够学习到不同农作物的光谱随作物生长变化的特征以及作物生长环境的特征，进而区分不同的农作物如图31 所示。58图 31.作物识别长势分析长势分析：通常使用植被指数进行反映作物长势状况，根据作物不同长势状态下体现出的不同光谱特性，同时综合物候、云标识和农业气象等信息，对农作物的长势进行分析，对比历史同期和同年往期的作物生长情况，对

95、农作物当前长势情况作出判断分析。图 32 为某地小麦长势监测结果，可以得到各类长势的空间分布。59图 32.长势分析干旱检测干旱检测：基于遥感数据等对土地干旱程度进行评估，通常使用植被干旱指数等信息反映干旱程度。图 33 为某地玉米干旱检测结果，分析得到各类干旱程度所占比例，区域中湿润的占比为 2%，正常的作物占比 2%，轻旱的作物占比 21%，中旱的作物占比 52%，重旱的作物占比 23%。60图 33.干旱监测灾害监测灾害监测：发生病虫害时，植物的生理生化特征将发生变化，如细胞结构、色素含量和含水量，而这些特征决定了植被在不同波长下的光谱反射率，通常基于光谱反射率对植被病虫害进行监测。利用

96、温度、降水等气象监测数据，对常见的洪涝、冻害等气象灾害进行监测。产量预估产量预估：利用遥感影像建立作物生长信息与产量间的关联模型，通过作物生长期的植被指数及气温、降水等关键气象数据构建长势和单产的关系模型，使用作物历史时期的真实产量数据拟合等，预估农作物产量。利用时间序列等模型对各地的历史气候数据进行深度挖掘，并对未来一段时间内的气候情况进行预测，形成基于“地域气候作物农户”的全方位种植评价体系，根据历史温度、湿度、降水、风速、光照等预测农作物的产量和损益，从而进一步精准识别贷款风险。图 34 是对某地块的61产量预估，预测年产量为 353.95 公斤/亩。图 34.产量预估（2）经济作物经济

97、作物指具有某种特定经济用途的农作物，包括蔬菜、瓜果、花卉等，经济作物通常具有地域性强、经济价值高、技术要求高等特点，对自然条件要求较严格，宜于集中进行专门化生产。相较于水稻等主粮作物，果树等经济作物种植一般比较稀疏，种植密度较低，在同等分辨率下的识别难度更大，且果园等卫星遥感影像与自然林木很接近，难以区分。因此，对于苹果等经济作物的识别，需要高分辨图像来进行识别，但是高分辨率的图像采买成本高，更新周期长，难以满足实时了解作物状态的需求。为解决经济作物识别难点，某银行融合多数据源多分辨率遥62感影像，升级作物识别算法模型，同时融合行业知识图谱，根据各类信息源建立农业知识图谱，利用各类知识，如地形

98、、降水、积温、历史产量等帮助经济作物的识别，让算法机器掌握人工经验。比如，甘肃不适合种水稻，就可以排除该作物的识别。通过上述解决方案，该行成功识别苹果、柑橘、猕猴桃等经济作物。图35.经济作物识别模型6.6.农业信贷管理农业信贷管理-大棚大棚大棚作为农业生产的重要基础设施，被广泛应用于蔬菜、花卉、养殖业等领域，可以抵抗自然灾害，防寒报文，抗旱、涝，提早栽培，延长作物的生产期，达到早熟、晚熟、增产稳产的目的，在高寒地区、沙荒及干旱地区为抗御低温干旱及风沙危害起着重大作用，同时可以节约土地，提高土地利用率。利用遥感影像分析技术对大棚的分布、数量、面积等信息进行监控，如图 3663所示，可分析出框出

99、监测区域已建设 13 个大棚，整个区域共有16888 个大棚，处于在用状态的有 13306 个，处于未使用状态的有 3582 个。图 37 中绿色大棚为在使用状态，灰色大棚为未使用状态。图36.大棚个数监测图 37.大棚使用状态监测647.农业信贷管理-近海渔排7.农业信贷管理-近海渔排在渔业养殖信贷场景中，应用卫星遥感及人工智能技术开展对水产养殖面积监测、气象灾害信息等一系列渔情信息的动态监测和分析。通过卫星对沿海区域渔民养殖的海带、鲍鱼、龙须菜等海产品养殖点进行周期性拍摄，智能识别养殖点渔排数量和面积的变化，及时了解渔业养殖资产变化情况，实现对渔民渔排养殖的风险监控，为渔排养殖贷业务贷中、

100、贷后风险监控管理提供快捷的数字化决策支撑手段，提升信贷风控管理水平，同时也对乡村振兴的发展也有一定的推动作用，保障农户特别是贫困群众的持续增收。图 38 为某地近海渔排遥感影像监测情况，识别渔排面积 1921773 平方米，渔排数量 220 个。图 38.渔排数量监测658.8.农业信贷管理农业信贷管理-碳汇指数碳汇指数碳汇指的是自然界中碳的寄存体，主要表现为陆地与海洋等吸收并储存二氧化碳的生态系统，包括陆地碳汇（例如森林、耕地、草地等）和海洋碳汇（例如红树林、盐沼、海草床等）。林业碳汇指通过植树造林、加强森林经营管理吸收大气中二氧化碳，并与碳汇交易结合的体系。其中经核证的林业碳汇可以被需求企

101、业购买，抵消其碳排放，成为一种量化环境效益的新型标准资产，因此其作为一种可以在公开标准市场交易的有价资产，可以被广泛应用于信贷担保和金融衍生品。但是目前林场经营者和金融机构在碳汇资产核算和森林常态化管理中面临严峻的挑战，其主要痛点在于森林资源分布广、林木种类多、地势险峻且核算方法困难、易受火灾等自然灾害影响，造成纯人工盘查难度大、成本高、耗时长。为深化落实十四五规划的重点任务双碳达标，提出林业碳汇的卫星遥感监测分析解决方案。该解决方案主要以卫星遥感为主，无人机为辅，以“AI+遥感”的方式，自动采集原始图像，智能分析所需指标。例如利用目标分割技术进行森林面积测算；利用目标识别技术进行乔木林、灌木

102、林、竹林等树种识别；利用图像的时空序列分析树龄；利用激光雷达可穿透植被冠层，精确获取植被冠层垂直结构信息，进行植被高度/生物量反演等。实现检测过程工程化，用可信度高、实时性强的数据降低实地测量、66实时监测的成本，并将误差率控制在 5%以下，使得碳汇资产动态监测可应用于政府管理和林场经营者资产盘查，让银行充分发挥金融中介的作用，帮助林业经营者将环境外部性收益内部化，为建设绿色中国添砖加瓦。碳汇场景主要监控内容包括：森林面积：静态图像分析；树种：可识别乔木林、灌木林、竹林、草地等多种林草资源；树龄：图像时空序列分析。蓄积量（树干体积）：结合实际测量值训练人工智能测算模型；通过激光雷达可穿透植被冠

103、层，精确获取植被冠层垂直结构信息，进行植被高度/生物量反演。碳汇指数监测如图 39 所示。图39.碳汇指数监测67（三）保险业应用案例介绍（三）保险业应用案例介绍1.1.农业保险农业保险-农业定损农业定损农业保险是指专门为农业生产者在从事种植业和养殖业生产过程中，对遭受自然灾害和意外事故所造成的经济损失提供保障的一种保险。2021 年中国人民银行金融科技发展规划（2022-2025 年）中提到在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，推动农业保险承保理赔电子化、智能化，提高农村地区金融服务下沉度和渗透率，助力农业产业现代化发展，有力支撑乡村振兴战略实施。保险公司运用卫星遥感技术

104、、无人机、测亩仪器、视频查勘等手段对承保标的进行定损，提升农业理赔的速度。某保险公司依靠卫星遥感技术搭建农险服务系统，支持承保验标、作物长势监测、灾害查勘定损。系统通过精准划定地块，建立全国地块数据底图和基础数据库，借助测苗仪、GPS 工具箱、Google Earth等工具测定土地受损面积，并融合无人机航拍进行农险定损，成功实现了水稻、玉米、小麦等粮食作物的长势监控、产量预估，在解放人力物力的同时提高了承保和理赔精度和效率，增强了企业的项目竞争优势。卫星遥感、无人机、气象预警及灾害监测等技术，也广泛应用于农险招标、气候预警、查勘定损等方面。全歼例如湖北水稻病虫害、台风“烟花”等场景。682.森

105、林碳汇价值保险2.森林碳汇价值保险森林碳汇价值保险是在传统林木保险的基础上，将火灾、暴雨、风灾、地质灾害、森林病虫害、泥石流等自然灾害和不可预料事故造成的保险林木损失指数转化为森林固碳量损失，并按照约定利用卫星遥感技术对林木碳汇价值进行赔偿。财险推出“森林碳汇遥感指数”保险产品，高效监测林业碳汇变化情况，定期向客户反映森林长势，实现灾后的快速定损，急速理赔。借助“遥感+AI”技术，根据林木种类建模测算森林碳汇储量值、年度碳汇富余值，将由气象灾害、意外事故及病虫害造成的森林损毁或长势减弱而导致的碳汇富余值损失换算指数化，为后期的快速定损、极速理赔提供依据；同时，承保机构将定期监测森林长势及碳汇增

106、长速度，为森林管理者做好风险预警。（四）遥感技术应用的局限性案例分析（四）遥感技术应用的局限性案例分析除了上述典型应用案例，本文也通过调研和实践方式探索了部分遥感相关技术在应用中存在的局限性。1.国内部分农村区域的客户信贷业务以线下模式为主，影响遥感技术应用与推广1.国内部分农村区域的客户信贷业务以线下模式为主，影响遥感技术应用与推广由于农村空心化，农民老龄化等问题，以县域为代表的地方性金融机构的信贷业务模式以线下服务为主，农户对线上信贷模69式接受度比较低，一定程度影响了卫星遥感技术的应用推广。例如针对某县域调研，在业务模式方面，当地农户大多数年龄偏大，对手机使用不熟悉，习惯现场办理业务，当

107、地农商行的本地网点较多，信贷员对农村比较熟悉，一般通过现场批量采集农户信息，对农户进行集体预授信。在风控方面，当地农商行主要依赖省农担进行担保，农户信用资质普遍较好，坏账率比较低，多维度数据的交叉验证需求低。基于卫星遥感技术的信贷服务模式一般依托线上渠道，上述因素都制约了卫星遥感技术在地方性金融机构的贷前应用与推广。2.在农作物种植规模比较小的经营区域，卫星遥感技术优势发挥不明显2.在农作物种植规模比较小的经营区域，卫星遥感技术优势发挥不明显卫星遥感技术在农贷风险管理场景在农村土地流转比较成熟、发达，种植大户比较多的农村区域，比较有市场前景，但在种植散户比较聚集的区域，应用价值有限。对于种植大

108、户，由于土地经营面积大，经营成本高，土地经营价值大，土地资产综合评估贷额度高，农户贷款意愿普遍比较强烈。采用卫星遥感技术，一方面可以从源头上为这些种植农户增信，方便农户申请贷款，增加农户信贷可得率；另一方面，通过构建动态监测的风控体系，可以有效降低涉农信贷风险。针对某县域的实地调研考察发现，农户的种植规模都偏小，70大部分农户人均 1.5 亩，以家庭为单位，土地规模均在 10 亩以内。对于种植散户群体，由于土地经营面积小，土地经营成本也低，土地经营价值也有限，可贷额度比较低，加上农户消费观念比较保守，农户对贷款利息比较敏感，贷款意愿或贷款需求整体不强烈，卫星遥感技术在风控管理场景的优势难以发挥

109、。3.3.地形因素造成影像完整性不足和影像数据分析困难，遥感地形因素造成影像完整性不足和影像数据分析困难，遥感技术应用效果不佳技术应用效果不佳卫星遥感技术在农村信贷场景的应用受到区域地形因素影响比较大，譬如在东北、华北等平原地带，地势平坦，比较容易推广，但在山区或南方丘陵地区应用难度较大。中国国土辽阔，南北差异巨大，地形地貌、地块破碎程度、作物种植结构等方面存在巨大差异，卫星遥感影像分析技术受地域、地形的影响比较大2，要针对不同区域的业务需求制定针对性的解决方案。东北、华北等平原地带地形平坦，地块相对集中且地块较规整，规模化种植程度较高，卫星遥感识别目标具有足够显著的波谱特征，遥感影像不需要较

110、高的精度，同时北方地区晴朗天气较多，获取影像相对容易。但在南方丘陵地区，地块破碎度较高，单个地块面积较小，为保证图像识别的精确度，需要采用更高分辨率的影像进行地物识别，且对卫星遥感技术的算法要求也相应升高。同时南方地区云雨天气较多，导致可用遥感影像可获得性变低，纵然目前数据源丰富，但依然很难满足农业71遥感应用的标准，应用难度较大。此外，基于阴影法测量建筑物高度的卫星遥感技术，在实际应用中也存在如下局限性：卫星图像自身分辨率及影像预处理的质量直接影响测量准确性；影像拍摄受云雨天气影响较大；楼间距较为密集，阴影交叉重叠时的高度监测不准；阴影的产生受到季节、时间等多方位因素的影响，如较高的高度角造

111、成阴影较短，导致高度数据偏离度大。4.4.非露天资产以及流动资产无法监控，遥感技术应用效果不非露天资产以及流动资产无法监控，遥感技术应用效果不理想理想遥感信息主要反映土地地貌影像特征，可监控农作物的分类和变化信息，但对于室内发生的生产经营行为，譬如对于大棚内的作物类别和长势等，尚不具备影像获取基础。同时，因遥感数据采集时间分辨率等因素，监控频度一般以周频为主，无法监测车辆流动等实时性较高的应用场景。5.5.构建三维信息难度较大，遥感技术支撑不佳构建三维信息难度较大，遥感技术支撑不佳光学遥感图像通常是以二维信号的模式进行呈现的，因此在面对地物分类、变化检测、图像分割等应用时有着较强的技术支持，但

112、是在基建、房地产等行业应用上，因无法获取项目的三维结构信息，在全面、系统的完成资产与建设进度评估方面存在一定的困难。72一种通用的做法是通过阴影法间接测量高度以获得三维信息。其理论依据是通过建筑物阴影、卫星侧视角、太阳高度角的数学关系，推算建筑楼高，具有以下优点：综合成本与精度，多光谱监测性价比高；多时相形成的连续持续观测，能够较为精准的监测在建工程的建设进度，如发生企业停工等异常情况能够及时发现并指导人工核查；自动化数据处理手段多样，便于降低监测成本。但是在实际应用上存在较多局限性：影像预处理的质量直接影响最终精度；影像拍摄受云雨天气影响较大；楼间距较为密集的工程监测难度较大；阴影的产生受到

113、季节、时间等多方位因素的影响。这些严苛的局限性给阴影法测高的准确性带来了极大的挑战。虽然利用 SAR 雷达测距或者立体像对分析的方案可较大提升测量精准度，但面临巨大的成本压力，且应用案例较为匮乏。（五）遥感和 IOT 结合案例规划（五）遥感和 IOT 结合案例规划随着技术发展，遥感与其他技术的结合应用案例越来越多。物联网（The Internet of Things，简称 IoT）是指一种连接了各种物体的网络。这些被连接的物体，嵌入了能够就其内部状态与外部环境进行通讯及交互的技术。物联网的核心和基础仍是互联网，但其连接通讯范围延伸到了实体世界，扩展到了人与物、物与物之间。遥感和 IOT 结合，

114、能够拓展数据采集，进一步提升农作物押品等场景的监控能力。731.遥感结合 IOT，提升农作物押品监控全面性1.遥感结合 IOT，提升农作物押品监控全面性在涉农信贷领域，对于以农作物作为押品的场景而言，可以在高空采用航空航天遥感技术，从宏观层面监测农田信息，包括作物生长情况、作物种类、占地面积等；在地面通过土壤温度水分传感器、摄像头，甚至移动机器人等物联网终端，在微观层面监测农作物的生长环境、有无发生病虫害等生长动态情况，甚至是否遇到警情等。对于以养殖畜牧为押品的场景而言，可以通过遥感技术识别畜牧的养殖规模、畜牧群移动位置和移动路线等信息，通过智能脚环等物联网设备实时采集畜牧个体的体温、运动异常

115、状态等信息。更多维度、更全方位的涉农押品状态监管，为贷前贷款额度测算、贷后风险管理、保险等金融场景提供更有效和精准的数据支撑。2.遥感结合 IOT，提升工业监控全面性2.遥感结合 IOT，提升工业监控全面性在房屋抵押、工业信贷，直至延伸到住房领域，除了根据需求通过卫星图斑点现场核查、建筑物定性及房屋整楼所在地区环境勘察、违建监测、监测房屋变化、获取占地面积等，还可通过卫星遥感宏观识别工业建设标的的整体实施情况。针对钢筋混凝土的内部情况，通过卫星遥感技术则难以判断，此时可借助物联网传感器采集房屋结构发生的微小变形、裂缝信息等，从而对工业建设标的的情况、质量等进行更加精准的综合评估。743.3.遥

116、感结合遥感结合 IOTIOT，提升畜牧业监控能力，提升畜牧业监控能力以畜牧业为例，金融机构借助物联网技术，帮助解决传统生物资产难以监控、难以估值的痛点，对生物资产进行全周期监控和跟踪，并协助打通上下游产业链，对成品、半成品的供应链环节形成追溯，升级新型供应链融资模式。同时，物联网平台采集的相关生产运行数据及销售数据，可以反哺畜牧企业，帮助企业提升信息化管理水平。具体场景中，物联网收集的畜牧业数据可以应用在以下两方面：一是进行风险加持，提升对银行授信资产和授信对象的监管能力。如及时发现活体数量异常、健康状态异常、养殖环境异常、非法闯入以及未经授权出库等情况，启动自动报警系统并及时通知银行。特殊场

117、景下，可以自动拦截非法作业、未经授权的人员或生物。二是实现畜牧养殖的数字化水平。如通过 APP/PC 等多终端对养殖生产情况以及产品溯源信息进行在线监控，帮助提高畜牧企业线上化、规范化、模型化的经营管理能力。75五、总结和展望（一）小结1.卫星遥感助力金融数字化转型，赋能金融提质增效（一）小结1.卫星遥感助力金融数字化转型，赋能金融提质增效卫星遥感金融应用初见成效，赋能提质增效明显。卫星遥感技术在金融业的应用既是金融数据要素与卫星数据要素融合的突破，也是卫星遥感技术与人工智能技术融合的突破，更是技术和业务融合的突破。金融业利用卫星遥感等金融科技赋能数字化转型，为更好地落实国家数字战略、贡献数字

118、经济建设、服务实体经济转型升级，做出了有益的探索尝试。2.卫星遥感金融应用挑战与机遇并存2.卫星遥感金融应用挑战与机遇并存前期金融机构针对卫星遥感的相关探索和应用充分验证了遥感影像智能分析技术，卫星遥感在金融行业应用具备广泛前景。但我们也看到目前遥感应用在技术复杂度、场景适用性、政策和标准支持、客户接受度等方面仍存在不少挑战。随着金融机构的试点推广、业务与技术的深度融合挖掘以及卫星遥感、大数据、人工智能、云计算等技术的蓬勃发展，卫星遥感技术在金融行业的应用将向纵深发展，进一步促进金融机构数字化和智能化转型。76（二）风险与挑战（二）风险与挑战1.1.卫星遥感技术应用落地涉及多学科融合，流程比较

119、复杂，卫星遥感技术应用落地涉及多学科融合，流程比较复杂，仍有较高技术门槛仍有较高技术门槛卫星遥感技术应用是多学科的融合应用，卫星遥感综合性分析系统建设的复杂度较高。卫星遥感数据的综合性分析系统，涉及遥感技术、地理信息技术、图像处理技术、人工智能技术、空间数据库存储、可视化分析技术等多学科技术。在流程上，卫星遥感技术提供业务可用的数据需通过传感器参数、辐射校正系数、数字高程模型，对原始卫星影像进行正射纠正、辐射校正、配准、全色影像和多光谱影像数据融合等操作，将非标影像处理成标准格式影像。另外不同区域的卫星影像数据无法使用通用的模型或算法来分析，因此还需要结合业务构建不同产品的分析模型，将标准格式

120、影像加工成业务可用数据。在数据获取方面在数据获取方面，卫星遥感技术应用除遥感数据外，还需打通农业确权数据，GIS 地理信息数据、气象数据等，但地理信息数据、遥感数据等可能涉及隐私授权、相关保密要求等，数据可获得性仍然存在难点。在实际应用相关数据时，也存在数据来源风险、更新周期长、传输安全等问题：国内部分遥感数据来自欧洲哨兵等公开数据，存在数据来源真实性、持续性和自主可控风险；遥感数据的更新周期较长，一般为事后监管，针对极端天气、特殊情况和成熟速度较快的农作物，存在监测、预警不及77时的情况；数据传输存在安全风险，遥感数据可能在传输过程中被截获篡改，从而泄露客户数据或影响数据的真实性。在系统建设

121、方面在系统建设方面，业界虽有遥感应用公有云平台，且应用便捷，但金融机构有严格的数据安全保密要求，一般无法将数据外传互联网，因此需要搭建本地私有云平台。建设私有云平台技术门槛高，建设成本高，周期较长，制约了遥感技术的应用。针对技术本身而言，卫星遥感的优点之一是能够快速观测地面的大片区域，但大面积覆盖会导致较低的空间分辨率（即卫星影像数据的清晰度），因此如何兼顾时空覆盖度与空间分辨率是当前卫星遥感技术应用难题。其次，遥感数据应用的全生命周期管理也有待进一步完善，卫星数据处理、参数反演、应用模型研发、专题数据生产到业务系统开发的各个节点仍然存在一些未能解决的技术难题，诸如数据建模、运算精度提升、平台

122、响应等，难以支撑卫星遥感监测大范围、多目标、定量化的业务需求。卫星遥感技术金融应用与其他行业应用相比，场景的识别目标偏向微观，模型通用性和精确性不高。卫星遥感技术在资源规划布局等领域较为宏观，一般为政府机构的整体布局提供决策支持，分析目标一般为城镇、省份乃至国家等，监控因素多为各类资源的布局分类和质量等。在金融行业中，一般围绕各类信贷、保险业务展开，场景监控的目标较小且具体，例如检测塔吊的数目和方向等。此类应用业界数据积累少，缺少可直接复用的成熟模型，需要结合场景定制化开发，但受制于训练数据稀缺等原因，78初始准确率比较有限，对于一些过小的监控目标例如小型车辆等，即使在高分辨率影像下，其图像表

123、达像素过少，信息不够充分，无法获得理想识别效果。2.2.卫星遥感技术在金融领域应用，面临投入产出比、业务流卫星遥感技术在金融领域应用，面临投入产出比、业务流程改造等适用性评估程改造等适用性评估卫星遥感技术在金融场景应用一般在传统流程和策略基础上，作为新的决策因子被引入。卫星遥感影像数据的专业化分析，会给金融机构带来数据获取、技术升级和流程改造成本。金融机构需要客观、全面的评估引入遥感数据给金融业务带来的价值和成本，即投入产出比。金融作为强监管、重稳定的行业，其创新技术应用的管理机制具有一定的特殊性。针对新技术的引入，总行需经过完善的可行性研究、投资回报率分析等，由于遥感数据使用成本较高、技术难

124、度较大、短期内针对长尾客户的金融服务的提升效果难以评估，因此目前难以在金融机构大范围推广应用。例如在农业对象监控管理方面，主粮作物的监控是目前主流做法。与主粮作物相比，经济作物的影像数据获取和技术分析门槛高，虽然亩产价值大，但没有主粮作物应用范围广。卫星遥感技术在水稻、小麦、玉米等大田作物种植场景应用效果明显，由于识别目标具有显著的波谱特征，利用中低精度遥感影像能快速获取大范围的作物类型和分布情况。但在柑橘、橙子、猕猴桃等79果树类经济作物场景，依赖于更高精度的遥感影像，其数据获取成本更高，同时卫星遥感技术的应用门槛较高，但果树类经济作物的亩产效益显著高于大田作物，信贷等价值更加明显。金融机构

125、针对卫星遥感技术对业务的提升效果进行了重点评估。以银行场景为例，通过评估收益（信贷额度的增加、贷后管理成本的降低以及营销决策效率的提升）与成本（数据获取、算法建设、算力支撑）等，在主粮作物的遥感应用上，银行接受度更高。例如在工业场景方面，金融机构难以通过微波遥感测量监控目标的高度、深度等。SAR（合成孔径雷达）技术对海拔高度敏感，具备穿透云雨的特性，在测量高度、深度具有明显技术优势。但国内外高空间分辨率的 SAR 卫星相对光学卫星较少，主要服务于国防部门，商业应用成本也较高，目前金融机构主要采用光学卫星结合阴影的数据分析方法进行高度测算，SAR 雷达卫星尚未在金融机构中得到广泛应用。3.3.行

126、业政策与标准比较缺乏，影响卫星遥感技术的规范化、行业政策与标准比较缺乏，影响卫星遥感技术的规范化、规模化应用规模化应用目前国家“十四五”规划纲要明确提出了要大力推进“天空地”一体化的信息网络建设，加速卫星商业化应用，重点通过政策鼓励和引导遥感数据和技术在国防建设、生态环境保护、海水养殖、乡村振兴等领域的应用。但遥感技术在金融行业应用的具体指导意见还比较稀缺，因此当前金融行业的大部分机构，仍处80于观望期，仅少量大型金融机构主导新技术的探索和验证。当前遥感技术在金融行业的应用仍处于布局探索阶段，遥感技术的标准化研究与标准制定工作还没有系统开展，尚未形成统一的规范指引与行业标准，对行业缺乏具体的实

127、践指导，一定程度上制约了场景的推广。行业亟需针对金融领域建立完善的卫星遥感数据接入以及应用标准，促进卫星遥感技术在金融业的规范应用和快速发展。（三）应用建议（三）应用建议当前，金融机构对于遥感技术的相关探索和应用，充分验证了遥感影像智能分析技术在金融行业应用的前景与价值。遥感技术的商业化应用也具备一定技术和生态基础，金融机构可加大遥感智能分析技术的应用推广，加速卫星遥感技术的应用布局，重点增强卫星遥感技术在农业、工业等领域的应用，提升信用评估、风险监控、定损理赔等环节的智能化水平。1.1.数据与技术能力建设：建议制定卫星遥感技术应用相关行数据与技术能力建设：建议制定卫星遥感技术应用相关行业标准

128、，加强数据联动业标准，加强数据联动在遥感数据获取和应用方面在遥感数据获取和应用方面，建议遥感技术应用领先的金融机构牵头建设符合金融安全等级的统一的卫星遥感数据服务能力和技术应用标准。一是规范遥感数据来源，积极推进金融行业专用卫星联合发射，降低使用成本。二是针对金融场景的共性业81务诉求，形成遥感影像智能识别系统指标要求和评估方法，完善卫星遥感相关金融数据采集技术标准体系，定义统一的遥感应用相关数据服务目录和标准，进行数据分级分类，为金融行业各方建设可用性强、时效性高、成本低廉、安全性高的卫星遥感金融数据服务能力提供采集和分析参考标准。三是结合行业最佳应用实践，发布卫星遥感在金融领域的建设应用指

129、南，提供卫星遥感在金融领域的建设应用参考，促进遥感技术在金融行业的普及化。在遥感训练数据积累方面在遥感训练数据积累方面，建议加强卫星遥感技术的产学研联动。卫星遥感影像的智能化分析依赖人工智能遥感解译深度学习算法模型，需要海量标注样本，但现阶段高质量的标注数据比较稀缺，建议利用云、区块链等新兴网络共享技术，将散落在各行业，譬如政府、科研院所和公司中的遥感样本关联整合起来，互为补充，尝试共建大规模的训练样本库以及预训练模型。同时鼓励各大金融机构和互联网公司开源遥感影像分析算法，降低中小银行卫星遥感金融服务的准入门槛。在其他遥感技术应用的关联数据融合方面，在其他遥感技术应用的关联数据融合方面，建议加

130、强与气象、农业、林业、工商、畜牧等相关政府数据联动合作。遥感数据主要聚焦于光谱信息，与政府和企事业单位的业务数据融合，能进一步提升监控管理目标的精确性，形成良好的综合决策能力。例如积极推进与气象局、水利部、国土资源部的联合，提高气象风险预警能力和准确度，降低农业土地归属认定成本，通过82交叉数据验证，提高认证效率和准确度。例如建立种植险“一张图”管理模式以 3S（RS、GIS、GPS）技术为支撑，引入村级行政区划数据、遥感影像数据、农村地籍调查数据，建立地块信息与农业信贷或者农险信息相融合的可视化数据图，形成基于耕地地块的“地块+农户+标的物”一体化空间信息数据库，实现“按图作业”，为综合决策

131、提供有效参考。2.2.应用场景选择应用场景选择：建议客观评估卫星遥感应用的投入产出比建议客观评估卫星遥感应用的投入产出比，在性价比较高的场景试点先行在性价比较高的场景试点先行建议金融机构充分考虑经营特点、区域地形特点、技术特点、数据可获取性，综合评估金融机构的投入产出效益等因素，进行场景选择。具体建议如下：一是在农业场景方面一是在农业场景方面，建议在农村土地流转比较发达、地势比较平坦、种植大户比较多的区域率先试点，积累经验，逐步推广应用；相反，在一些山区、丘陵等农业区域，要谨慎使用卫星遥感技术，科学论证，不能单纯为追求使用新科技、新手段而舍本逐末。同时，充分挖掘卫星遥感技术在农业贷款营销经营决

132、策场景的应用价值，合理解决农业贷款供给和需求的矛盾。地方性金融机构在开展农业贷款中，需要准确锁定有贷款需求的目标客户群，建议充分发挥卫星遥感在农业生产经营监控方面的真实性与时效性的优势，辅助金融机构实现精准获客，真正达到国家普惠金融的目标。83二是在工业场景方面二是在工业场景方面，建议优先选择露天的、非流动的、具有足够目标像素的场景，例如塔吊、桥墩、堆土、风电基座、光伏板、电塔等、停留的大车辆等。按监控目标分辨率方面，建议应用场景的单个目标的像素不少于 15 个，相关目标人眼可辨别。除使用光学遥感影像外，也可进一步探索使用雷达影像进行深度、高度的测试，应用碳卫星进行碳排放分析等。此外此外，在场

133、景探索初期，可优先选择功能完备、接入便捷的国内外 SaaS 服务平台进行功能体验和业务场景分析，验证场景可行性。（四）展望（四）展望1.1.行业发展上：随着我国金融基础设施的不断完善，卫星遥行业发展上：随着我国金融基础设施的不断完善，卫星遥感规模化应用的条件日趋成熟感规模化应用的条件日趋成熟卫星遥感数据在金融行业的应用，是遥感数据和人工智能算法，以及高性能算力的高效融合，相关技术要素的持续发展是卫星遥感技术规模化应用的基础保障。在数据方面在数据方面，由于国家政策的推动，我国遥感卫星技术迅猛发展。近年来，我国遥感卫星进入快速发展期，卫星发射数量、数据采集频度、空间分辨率以及光谱分辨率等指标逐年提

134、升，数据可获取性显著增强。未来随着更多低成本、高频率卫星数据的普及，卫星遥感技术应用场景的创新门槛将进一步降低。84在算力方面在算力方面，国家推进东数西算，为人工智能技术应用奠定了算力基础。在 2021 世界计算大会上，中国信息通信研究院发布了中国算力发展指数白皮书。白皮书指出，我国算力正在逆势发展，呈现出“算力规模持续扩大，算力结构不断演化；算力环境日益优化，应用需求不断提升；算力助推经济增长，各地加快发展步伐”的特征。截至 2021 年底，我国在用数据中心机架总规模达到 520 万套，算力总规模超过 140EFlops，近五年年均增速超过 30%，算力规模排名全球第二。在算法方面在算法方面

135、，遥感影像识别分析技术正向无监督大规模预训练方向发展。与有监督学习需大规模样本标注数据不同，无监督学习能充分利用大量无标注的训练样本，解决遥感数据解译中的模型的泛化和通用性问题。基于遥感影像的预训练大模型，可利用少量样本，通过微调优方法，定制个性化的遥感识别模型，加速场景落地。在网络方面在网络方面，5G 技术提升了遥感连接能力。通过 AI 与 5G 的结合，能够大幅缩短遥感图像解译周期、提高解译精准度，同时催生新的遥感应用领域，推动遥感技术应用变革。借助 5G 技术，实现 PNTRC（定位 Positioning、导航 Navigation、授时 Timing、遥感 Remote sensin

136、g，以及通信服务 Communication）系统，能提供传输容量更大，速率更快的空天信息实时智能服务。852.2.场景应用：卫星遥感与不同行业以及物联网等技术深度融场景应用：卫星遥感与不同行业以及物联网等技术深度融合，未来将孵化更多创新场景合，未来将孵化更多创新场景卫星遥感与行业融合不断加深，金融应用呈现多元化趋势。当前卫星遥感技术在金融行业的应用主要在农信贷授信评估、风险防控、保险定损理赔、工业工程进度监控等方面，后续卫星遥感技术还可以在生态环境、新农村建设规划、自然灾害监测、公共安全、水利、矿产资源勘探、测绘等国民经济及社会发展等多个行业应用发展，探索出更多金融应用场景。卫星遥感与物联网

137、等技术深度融合，孵化更多场景创新。卫星遥感与物联网等技术融合，以建设“天空地”一体化网络为目标，实现网络通信的三维立体“泛在覆盖”。一是发挥物联网技术和遥感技术不同优势，将地面物联网技术用于小范围监测、局部点位信息获取及其他空间连续性低的场景，将遥感技术用于大范围大面积监测、全局信息获取，及其他空间连续性高的场景。二是针对近地卫星遥感难以识别的场景，通过无人机遥感的方式实现近地面的辅助信息采集，结合地面物联网，实现全场景、全方位的数据孪生体刻画，形成人、地、事、物的深度融合和多元共享。遥感技术与物联网技术的结合应用，在涉农信贷、工业信贷、房屋抵押等金融领域具有广阔的应用前景。86六、参考文献1

138、 ThomasM.Lillesand,RalphW.Kiefer筑.遥感与图像解译(第四版)M.电子工业出版社,2003.2 吴保升;李旭;邵倩;刘钇廷;李家毅,遥感技术在农业领域的研究探讨,2021-09-25.87七、附录（一）卫星遥感相关政策法规（一）卫星遥感相关政策法规近年来关于遥感技术及其应用的相关政策法规如下：发布发布时间时间发布部门发布部门政策名称政策名称主要内容主要内容2015年改革委、财政部、国防科工局国家民用空间基础设施中长期发展规划（2015-2025 年）支持和引导社会资本参与国家民用空间基础设施建设和应用开发，积极发展区域、产业化、国际化及科技发展等多层面的遥感、通信

139、、导航综合应用示范，明确了住不开放空间分辨率由 0.5 米级的民用卫星遥感数据。2016年国 土 资 源部国土资源信息化“十三五”规划要全面建成以“国土资源云”为核心的信息技术体系，基本建成国土资源调查监测及监管体系。充分运用遥感监测技术对用地量大、违法用地量多面广的地区开展全天候督查。2016年国务院“十三五”国家战略性新兴产业发展规划加快卫星及应用基础设施建设。构建星座和专题卫星组成的遥感卫星系统，形成“高中低”分辨率合理配置、空天地一体多层观测的全球数据获取能力；加强地面系统建设，汇集高精度、全要素、体系化的地球观测信息，构建“大数据地球”。2016年中共中央国民经济和社会发展第十三个五

140、年规划纲要加快构建以多模遥感、宽带移动通信、全球北斗导航卫星为核心的国家民用空间基础设施，形成服务于全球通信、减灾防灾、资源调查监管、城市管理、气象与环境监测、位置服务等领域系统性技术支撑和产业化应用能力。此外，相关部门合理规划利用卫星频率和轨道资源，加快空间互联网部署，实现空间与地面设施互联互通，并加速北斗、遥感卫星商业化应用，为卫星遥感行业的持续发展提供保障。2016年国 防 科 工局、发改委关于加快推进“一带一路”空间信息走廊建设与应用的指导意见加快构建以遥感、通信、导航卫星为核心的国家空间基础设施，面向“一带一路”空间信息开放服务和集成应用需求，进一步完善国家统筹建设的数据中心和应用服

141、务平台，有助于促进“一带一路”沿线国家实现空间信息互联互通，推进中国航天装备和高新技术产业国际化发展。2017年国 务 院 办公厅国务院办公厅关于推动国防科技工业军民融合深度发展的意见推进“一带一路”空间信息走廊建设和金砖国家遥感卫星星座合作，鼓励参与海外石油矿产资源开发和国际工程承包。2018国 务 院 办遥感卫星数据开加强卫星遥感数据的共享与应用88年公厅放共享管理暂行办法2019年中 共 中 央办公厅、国务 院 办 公厅数字乡村发展战略纲要建设农业农村遥感卫星等天基设施，大力推进北斗卫星导航系统、高分辨率对地观测系统在农业生产中的应用。2019年国 家 航 天局国家民用卫星遥感数据管理暂

142、行办法光学遥感数据公开标准不优于 0.5 米，微波遥感数据不优于 1 米。为推动国家遥感卫星数据共享及应用推广等提供有力的政策保障。2020年自 然 资 源部自然资源卫星遥感应用体系建设聚焦省级卫星中心已覆盖 31 个省级行政区，为部省协同、统筹推动构建资源共享、创新高效的自然资源卫星技术体系、不断提升卫星遥感服务供给能力及水平奠定基础。2021年国 务 院 办公厅国务院办公厅关于加强草原保护修复的若干意见建立完善草原监测评价队伍、技术和标准体系。加强草原监测网络建设，充分利用遥感卫星等数据资源，构建空天地一体化草原监测网络，强化草原动态监测。2021年中 共 中 央国务院国家综合立体交通网规

143、划纲要加快提升交通运输科技创新能力，推进交通基础设施数字化、网联化。推动卫星通信技术、新一代通信技术、高分遥感卫星、人工智能等行业应用，打造全覆盖、可替代、保安全的行业北斗高精度基础服务网，推动行业北斗终端规模化应用。2021年中 共 中 央国务院中共中央 国务院关于全面推进乡村振兴加快农业农村现代化的意见加快建设农业农村遥感卫星等天基设施。发展智慧农业，建立农业农村大数据体系，推动新一代信息技术与农业生产经营深度融合。2021年国务院“十四五”推进农业农村现代化规加快推动遥感卫星数据在农业农村领域中的应用。推动农业生产加工和农村地区水利、公路、电力、物流、环保等基础设施数字化、智能化升级。2

144、021年中 华 人 民共 和 国 生态环境部关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见在全国层面，探索通过卫星遥感等手段，监测土地利用类型、分布与变化情况和土地覆盖(植被)类型与分布，支撑国家温室气体清单编制工作。2021年中 国 人 民银 行 办 公厅金融科技发展规划（2022-2025 年）在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，实现融资需求精准授信，推动农业保险承保理赔电子化、智能化。2022年中 共 中 央办公厅、国务 院 办 公厅乡村建设行动实施方案加快建设农业农村遥感卫星等天基设施。建立农业农村大数据体系，推进重要农产品全产业链大数据建设。2022

145、年中 华 人 民共 和 国 生关于加强海水养殖生态环境监管各级生态环境部门综合运用卫星遥感、无人机、陆岸巡视等方式，加大集中连片养殖活动对岸线及生态影89态环境部的意见响的监视监管力度。数据来源：观研天下数据来源：观研天下（二）卫星遥感相关标准（二）卫星遥感相关标准现行或即将实施的遥感技术及其应用相关国家标准如下:标准号标准号标准名称标准名称GB/T 41540-2022陆地遥感产品真实性检验地面观测场的选址和布设GB/T 41538-2022地表发射率遥感产品真实性检验GB/T 41534-2022地表温度遥感产品真实性检验GB/T 41535-2022气溶胶光学厚度遥感产品真实性检验GB/

146、T 41536-2022土地覆被遥感产品真实性检验GB/T 41537-2022积雪面积遥感产品真实性检验GB/T 41541-2022热红外遥感基本术语GB/T 41539-2022卫星遥感影像地表温度产品规范GB/T 41450-2022无人机低空遥感监测的多传感器一致性检测技术规范GB/T 41279-2022反照率遥感产品真实性检验GB/T 41281-2022光合有效辐射遥感产品真实性检验GB/T 41282-2022植被覆盖度遥感产品真实性检验GB/T 41280-2022卫星遥感影像植被覆盖度产品规范GB/T14914.5-2021海洋观测规范 第 5 部分：卫星遥感观测GB/T

147、 40513-2021星载光学遥感仪器污染防护要求GB/T 40033-2021地表蒸散发遥感产品真实性检验GB/T 40034-2021叶面积指数遥感产品真实性检验GB/T 40038-2021植被指数遥感产品真实性检验GB/T 40039-2021土壤水分遥感产品真实性检验GB/T 39468-2020陆地定量遥感产品真实性检验通用方法GB/T 38935-2020光学遥感器在轨成像辐射性能评价方法 可见光-短波红外GB/T 38236-2019航天光学遥感器实验室辐射定标方法GB/T 38025-2019遥感卫星地面系统接口规范GB/T 38028-2019遥感卫星全色数据产品分级GB/

148、T 38026-2019遥感卫星多光谱数据产品分级GB/T 37151-2018基于地形图标准分幅的遥感影像产品规范GB/T 36296-2018遥感产品真实性检验导则GB/T 36297-2018光学遥感载荷性能外场测试评价指标GB/T 36299-2018光学遥感辐射传输基本术语GB/T 36300-2018遥感卫星快视数据格式规范GB/T 35642-20171:25 000 1:50 000 光学遥感测绘卫星影像产品GB/T 35643-2017光学遥感测绘卫星影像产品元数据GB/T 34509.1-2017陆地观测卫星光学遥感器在轨场地辐射定标方法 第 1 部分：可见光近90红外GB

149、/T 34509.2-2017陆地观测卫星光学遥感器在轨场地辐射定标方法 第 2 部分：热红外GB/T 34514-2017陆地观测卫星遥感数据分发与用户服务要求GB/T 33987-2017S/X/Ka 三频低轨遥感卫星地面接收系统技术要求GB/T 33700-2017地基导航卫星遥感水汽观测规范GB/T 31011-2014遥感卫星原始数据记录与交换格式GB/T 31010-2014色散型高光谱遥感器实验室光谱定标GB/T 30115-2013卫星遥感影像植被指数产品规范GB/T 29391-2012岩溶地区草地石漠化遥感监测技术规程GB/T 28923.1-2012自然灾害遥感专题图产品

150、制作要求 第 1 部分：分类、编码与制图GB/T 28923.2-2012自然灾害遥感专题图产品制作要求 第 2 部分：监测专题图产品GB/T 28923.3-2012自然灾害遥感专题图产品制作要求 第 3 部分：风险评估专题图产品GB/T 28923.4-2012自然灾害遥感专题图产品制作要求 第 4 部分：损失评估专题图产品GB/T 28923.5-2012自然灾害遥感专题图产品制作要求 第 5 部分：救助与恢复重建评估专题图产品GB/T 28419-2012风沙源区草原沙化遥感监测技术导则GB/T 14950-2009摄影测量与遥感术语GB/T 15968-2008遥感影像平面图制作规范

151、数据来源：全国标准信息公共服务平台数据来源：全国标准信息公共服务平台目前，遥感技术及其应用的行业标准主要集中在农业、测绘、环境保护、交通、气象、地震、地质矿产领域，金融行业的应用标准还比较少，相关标准如下：标准号标准号标准名称标准名称行业领域行业领域NY/T 4065-2021中高分辨率卫星主要农作物产量遥感监测技术规范农业CH/T 1049-2021合成孔径雷达（SAR）卫星遥感原始数据质量检验技术规程测绘HJ 11562021自然保护地人类活动遥感监测技术规范环境保护HJ 1236-2021集中式地表水饮用水水源地风险源遥感调查技术规范环境保护HJ 1234-2021入河（海）排污口排查整

152、治 无人机遥感解译技术规范环境保护HJ 1233-2021入河（海）排污口排查整治 无人机遥感航测技术规范环境保护HJ 1166-2021全国生态状况调查评估技术规范生态系统遥感解译与野外核查 HJ 1166-2021环境保护HJ 12132021滨海核电厂温排水卫星遥感监测技术规范（试行）环境保护JT/T 13952021交通地质灾害评估高分遥感专题图技术规范交通NY/T 3922-2021中高分辨率卫星主要农作物长势遥感监测技术规范农业NY/T 3921-2021面向农业遥感的土壤墒情和作物长势地面监测技术规程农业QX/T344.4 2021卫星遥感火情监测方法 第 4 部分：过火区面积估

153、算气象LY/T 3255-2021国家森林资源连续清查遥感专题图制作规范林业91QX/T 6072021地基导航卫星遥感气象观测系统建设规范气象HJ 1098-2020水华遥感与地面监测评价技术规范环境保护QX/T344.3 2020卫星遥感火情监测方法 第 3 部分：火点强度估算气象QX/T 962020卫星遥感监测技术导则 积雪覆盖气象QX/T 5842020海上风能资源遥感调查与评估技术导则气象QX/T 5642020地基导航卫星遥感气象观测系统数据格式气象QX/T 5612020卫星遥感监测产品规范 湖泊蓝藻水华气象NY/T2739.3-2015农作物低温冷害遥感监测技术规范 第 3

154、部分：北方春玉米延迟型冷害农业NY/T2739.2-2015农作物低温冷害遥感监测技术规范 第 2 部分：北方水稻延迟型冷害农业NY/T2739.1-2015农作物低温冷害遥感监测技术规范 第 1 部分：总则农业NY/T2738.3-2015农作物病害遥感监测技术规范 第 3 部分：玉米大斑病和小斑病农业NY/T2738.2-2015农作物病害遥感监测技术规范 第 2 部分：小麦白粉病农业NY/T2738.1-2015农作物病害遥感监测技术规范 第 1 部分：小麦条锈病农业DB/T 842020卫星遥感地震应用数据库结构地震JR/T 0180-2019基于遥感技术的农业保险精确承保和快速理赔规

155、范金融NY/T 3528-2019耕地土壤墒情遥感监测规范农业NY/T 3527-2019农作物种植面积遥感监测规范农业NY/T 3526-2019农情监测遥感数据预处理技术规范农业CH/T 3022-2019光学遥感测绘卫星影像数据库建设规范测绘CH/Z 4021-2019极地地区 1:50 000 1:100 000 遥感影像平面图制作规范 测绘HJ 1008-2018卫星遥感秸秆焚烧监测技术规范环境保护QX/T344.2 2019卫星遥感火情监测方法 第 2 部分：火点判识气象QX/T 474-2019卫星遥感监测技术导则水稻长势气象DZ/T 0265-2014遥感影像地图制作规范（1：

156、50000、1：250000）地质矿产DZ/T 0264-2014遥感解译地质图制作规范（1：250000）地质矿产DZ/T 0266-2014矿产资源开发遥感监测技术规范地质矿产TD/T 1010-2015土地利用动态遥感监测规程土地管理DZ/T 0296-2016地质环境遥感监测技术要求 1:250000地质矿产DB/T 80-2018地震灾害遥感评估 产品产出技术要求地震DB/T 75-2018地震灾害遥感评估 建筑物破坏地震DB/T 78-2018地震灾害遥感评估 地震极灾区范围地震DB/T 77-2018地震灾害遥感评估 地震烈度地震DB/T 76-2018地震灾害遥感评估 公路震害

157、地震DB/T 74-2018地震灾害遥感评估 地震地质灾害地震92DB/T 79-2018地震灾害遥感评估 地震直接经济损失地震QX/T 454-2018卫星遥感秸秆焚烧过火区面积估算技术导则气象QX/T 460-2018卫星遥感产品图布局规范气象CH/Z 1044-2018光学卫星遥感影像质量检验技术规程测绘SL/T 750-2017水旱灾害遥感监测评估技术规范水利EJ/T 353-2018铀矿遥感地质调查规范核工业CH/T 3019-20181:25 000 1:50 000 光学遥感测绘卫星影像产品生产技术规范测绘QX/T 389-2017卫星遥感海冰监测产品规范气象QX/T 412-2

158、017卫星遥感监测技术导则气象QX/T 379-2017卫星遥感南海夏季风爆发监测技术导则气象DB/T 69-2017活动断层探察 遥感调查地震QX/T 364-2016卫星遥感冬小麦长势监测图形产品制作规范气象QX/T 344-2016卫星遥感火情监测方法 第 1 部分：总则气象MZ/T 065-2016自然灾害遥感基本术语民政QX/T 284-2015甘蔗长势卫星遥感评估技术规范气象DL/T 5492-2014电力工程遥感调查技术规程电力QX/T 266-2015气象卫星光学遥感器场地辐射校正星地同步观测规范气象QX/T 267-2015卫星遥感雾监测产品制作技术导则气象SL 592-20

159、12水土保持遥感监测技术规范水利QX/T 207-2013湖泊蓝藻水华卫星遥感监测技术导则气象HY/T 147.7-2013海洋监测技术规程 第 7 部分:卫星遥感技术方法海洋QX/T 176-2012遥感卫星光学辐射校正场数据格式气象SY/T 6965-2013石油天然气工程建设遥感技术规范石油天然气LY/T1662.3-2008数字林业标准与规范 第 3 部分：卫星遥感影像数据标准林业QX/T 96-2008积雪遥感监测技术导则气象QX/T 177-2012中尺度对流系统卫星遥感监测技术导则气象QX/T 188-2013卫星遥感植被监测技术导则气象LY/T 1954-2011森林资源调查卫

160、星遥感影像图制作技术规程林业QX/T 141-2011卫星遥感沙尘暴天气监测技术导则气象LY/T 2021-2012基于 TM 遥感影像的湿地资源监测方法林业QX/T 140-2011卫星遥感洪涝监测技术导则气象MT/T 1043-2007遥感煤田地质填图技术规程煤炭DZ/T 0195-1997物探化遥感勘查技术规程规范编写规定地质矿产DZ/T 0190-1997区域环境地质勘查遥感技术规程地质矿产DZ/T 0151-1995区域地质调查中遥感技术规定地质矿产DZ/T 0143-1994卫星遥感图像产品质量控制规范地质矿产DZ/T 0206-1999地质遥感术语地质矿产DZ/T0121.12-

161、1994地质仪器术语 地质遥感遥测仪器术语地质矿产93DZ/T 0203-1999航空遥感摄影技术规程地质矿产数据来源：全国标准信息公共服务平台数据来源：全国标准信息公共服务平台此外，还有一些省市根据当地情况颁布了遥感技术应用的地方标准：标准号标准号标准名称标准名称省份省份DB32/T 4324-2022河湖库利用变化高分遥感监测规范江苏省DB23/T 33132022黑龙江省生态系统遥感野外核查方案设计指南黑龙江省DB4106/T 64-2022冬小麦苗情卫星遥感监测技术规范鹤壁市DB37/T 45182022河湖水域岸线遥感监测技术规范山东省DB21/T 1455.4-2022极轨卫星遥感

162、监测 第 4 部分：森林火灾辽宁省DB21/T 1455.2-2022极轨卫星遥感监测 第 2 部分：干旱灾害辽宁省DB21/T 1455.1-2022极轨卫星遥感监测 第 1 部分:术语辽宁省DB5301/T 74-2022滇池湖滨 地表特征无人机遥感调查规程昆明市DB23/T 31772022应用 MODIS 遥感数据进行天然草原生产力遥感监测技术规程黑龙江省DB23/T 31762022草原物候关键期遥感监测技术规程黑龙江省DB11/318-2022在用汽油车排气污染物排放限值及测量方法（遥感检测法）北京市DB1301/T415-2022冬小麦单产遥感预测技术规程石家庄市DB32/T 4

163、236-2022水稻种植面积遥感监测技术规程江苏省DB23/T 31512022寒地水稻倒伏灾害遥感评估技术规程黑龙江省DB23/T 31502022自然保护地人类活动遥感监测技术规程黑龙江省DB42/T1829-2022遥感影像控制点数据库建设规范湖北省DB15/T 24702021内蒙古西部黄土丘陵区基于遥感数据的土壤水蚀简易计算技术规程内蒙古自治区DB4403/T 193-2021城市热岛效应遥感评估技术规范深圳市DB32/T 4123-2021生态地质环境调查航空高光谱遥感技术规程江苏省DB1301/T385-2021小麦撂荒耕地遥感监测技术规程石家庄市DB65/T 4357-2021

164、草原资源遥感调查技术规程新疆维吾尔自治区DB3210/T 1074-2020水稻长势遥感监测技术规程扬州市DB63/T 1929-2021高原湖泊湖冰物候遥感监测技术青海省DB34/T 3801-2021卫星遥感农作物病虫害监测信息处理与发布技术要求安徽省DB11/T 1829-2021生产建设项目水土保持遥感信息应用技术规范北京市DB51/T 2765-2021SAR 遥感数据产品分级规范四川省DB13/T 5287-2020森林资源调查遥感判读区划技术规程河北省DB23/T 27742020地貌遥感调查技术要求（1 比 50 000）黑龙江省DB23/T 27612020自然资源遥感综合调

165、查技术要求（1 比 10000）黑龙江省94DB54/T 0189-2020高寒牧区草地盖度变化趋势遥感监测技术规程西藏自治区DB37/T 41382020花生生长参数卫星遥感监测技术方法山东省DB32/T 3781-2020遥感监测小麦苗情及等级划分江苏省DB32/T 3780-2020遥感预测小麦产量技术规范江苏省DB22/T 3156-2020高分辨率遥感影像防护林林地化监测技术规程吉林省DB42/T 1546-2020卫星遥感影像制作数字正射影像图技术规程湖北省DB37/T 3796-2019小麦冬前苗情卫星遥感监测技术规范山东省DB37/T 3791-2019大蒜长势卫星遥感评估技术

166、规范山东省DB1301/T 319-2019冬小麦苗情遥感监测规程石家庄市DB61/T 1041-2016小麦、玉米产量遥感估测规程陕西省DB61/T 1040-2016小麦条锈病、白粉病遥感监测规程陕西省DB61/T 1130-2018农业干旱风险遥感评估技术规范陕西省DB61/T 1131-2018苹果树长势遥感监测技术规程陕西省DB13/T 2972-2019耕地生产能力遥感评价规范河北省DB41/T 1783-2019玉米长势遥感监测技术规范河南省DB37/T 3643-2019生态环境遥感监测人员持证上岗考核技术导则山东省DB37/T 3240-2018农作物种植面积遥感监测技术规程

167、 大蒜山东省DB37/T 3243-2018农作物种植面积遥感监测技术规程 棉花山东省DB37/T 3241-2018农作物种植面积遥感监测技术规程 冬小麦山东省DB37/T 3242-2018农作物种植面积遥感监测技术规程 马铃薯山东省DB63/T 1746-2019高寒湿地遥感分类技术指南青海省DB63/T1681-2018高寒草地土壤墒情遥感监测规范青海省DB63/T1680-2018高原湖泊、水库水体面积遥感监测规范青海省DB52/T 1373-2018极轨卫星遥感监测地表温度贵州省DB63/T 1565-2017高寒积雪遥感监测评估方法青海省DB63/T 1564-2017高寒草地遥

168、感监测评估方法青海省DB37/T 2888-2016中分辨率成像光谱仪（MODIS）遥感影像小麦长势监测技术规程山东省DB35/T 1570-2016森林资源监测遥感调查技术规范福建省DB21/T 1455.10-2015极轨卫星遥感监测 第 10 部分：植被含水量辽宁省DB51/T 1963-2015草原生态工程生态效益遥感监测技术规范四川省DB51/T 1846-2014草原返青遥感监测技术规范四川省DB50/T 570-2014现状城乡建设用地遥感解译规程重庆市DB23/T 1549-2014极轨卫星遥感监测森林火灾技术规程黑龙江省DB51/T 1730-2014草原沙化遥感监测技术规范

169、四川省DB42/T 963-2014地基卫星定位水汽遥感站选址技术规范湖北省DB32/T 2430-2013大田小麦长势遥感监测操作规范江苏省DB21/T 2015-2012极轨卫星遥感监测 第 9 部分：地表温度辽宁省DB51/T 1089-2010基于 MODIS 数据的草原地上生物量遥感估测技术规程四川省DB51/T 939-2009草原资源遥感监测地面布点与样方测定技术规程四川省95（三）（三）SaaSSaaS 平台平台1.1.华为遥感平台华为遥感平台地理智能体（GeoGenius）依托于华为云在人工智能，大数据等前沿技术的积累，构建了一站式全流程遥感智能开发云平台，提供数据平台、智能

170、计算平台，帮助用户聚焦挖掘数据核心价值，专注于应用算法开发，使能行业快速应用创新，为自然资源、生态、气象、环保、海洋等调查、监测、评价、监管和执法等重点工作提供技术支撑。华为云地理智能体 Geogenius 为开发者提供一站式全流程遥感智能开发云平台。AI 开发是地理遥感数据开发的重要组成部分和前沿方向，Geogenius 支持从数据准备、模型开发、模型训练的一站式 AI 流程，兼容业界主流引擎，兼容用户习惯，让 AI 开发变得更简单、更方便。架构具备自主可控、灵活部署、数据安全、弹性伸缩等特点。2.2.中科星图中科星图“GEOVIS+智慧管理”系列产品以特种领域为特色，赋能四大行业的遥感软件

171、提供商。公司的数字地球应用软件平台（GEOVIS 数字地球应用软件平台）是在基础软件平台之上承载融合各行业空间信息、扩展行业应用打造形成的行业专属应用软件，目前主要应用在特种数字地球应用软件、自然资源数字地球96应用软件、交通数字地球应用软件、气象数字地球应用软件四大领域。3.3.航天宏图航天宏图自主研发的智慧地球云服务平台“PIE-Engine”是一套包容性强、普适性广的成熟产品集，集成了公司自主开发的光学、微波、光谱、雷达等多种数据算法，在支撑大气海洋环境，陆地资源环境，陆海空导航等卫星应用方面发挥重要作用，实现了关键领域核心技术的国产化替代。该产品可对标 Google Earth 数字地

172、球平台的 PIE-Engine。随着公司业务向平台化发展，融合接入的细分行业逐渐增多，PIE-Engine 已从单一的多源遥感数据处理工具，发展成为承载海量地球观测数据、开展时空智能分析、实现物理世界孪生建模的新一代数字地球平台；基于平台形成的解决方案覆盖自然资源、应急管理、生态环境、气象海洋、农业林业、环境咨询、水文水利、防灾减灾、城市规划等十多个行业，为政府实现信息化综合治理及国防信息化建设提供空天大数据分析利器。4.ENVI4.ENVIENVI 是 L3Harris Technologies 公司旗下产品，是一个完整的遥感图像处理平台，ENVI 已经广泛应用于科研、环境保护、气象、石油矿

173、产勘探、农业、林业、医学、国防安全、地球科学、97公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等领域。ENVI 早在二十世纪 90 年代就已开始进入中国市场，成为遥感应用教学、科研以及生产的重要支撑，由此逐步占据国内市场，获得了较高的市场份额。ENVI 功能：光谱分析：利用不同波长的像素响应来获取每个像素内材料的信息。数据分析：ENVI 的综合数据分析工具使用经过验证的算法快速、轻松和准确地识别图像信息，如生成图像统计、测量特征和模型地形特征。高级图像分析：使用 ENVI软件，从严格的正畸校正和特征提取，到大气校正和 DEM 提取，都可以通过一个软件包完成高度专业化的任务，降本

174、增效。5.PCI5.PCI加拿大 PCI 公司产品，行业内主流的遥感图像处理软件，功能覆盖遥感图像处理的全部环节，全球用户数量为 5-10 万。软件成熟度高，研发时间超过 20 年。PCI 产品的二次开发局限性较高。在卫星接入数据类型方面，可接入国内外主流的光学、高光谱原始影像，不支持 SAR 原始影像接入。下游面向遥感数据处理市场，覆盖国土测绘、地质地调、林业、民政等行业。6.ERDAS6.ERDASERDAS IMAGINE 遥感图像处理系统是面向企业级的遥感图像处理系统。他以先进的图像处理技术，友好、灵活的用户界面和98操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工

175、具，具有高度的 3S（遥感 RS、地理信息系统 GIS、全球定位系统 GPS）集成功能。ERDAS APOLLO 海量影像空间信息共享与服务系统是一个企业级的数据管理、分发和共享解决方案，采用即拿即用的空间信息基础设施建设和地理信息共享服务平台为用户提供了最全面的海量影像数据管理、处理、发布、共享和服务。ERDAS IMAGINE 遥感图像处理系统特点：功能全面，包括航空、航天、全色、多光谱、高光谱、雷达、激光雷达等）影像的显示、处理、分析、地图制图和 3D 模型输出。3S 集成，主要应用方向侧重于遥感图像处理，同时与地理信息系统的紧密结合，并且具有与全球定位系统集成的功能。无缝集成，功能、数据的无缝集成，数据库与管理系统的无缝兼容。工程一体化，通过将遥感应用、图像处理、摄影测量、雷达数据处理、地理信息系统和三维可视化等技术结合在一个系统中，实现地学工程一体化结合；无需做任何格式和系统的转换就可以建立和实现整个地学相关工程。呈现完整的工业流程，为用户提供计算速度更快，精度更高，数据处理量更大，面向工程化的新一代遥感图像处理与摄影测量解决方案。