伴随着航天航空卫星遥感技术及产业的快速发展，全球卫星遥感影像数据呈爆发式增长。这些数据来源广泛、类型多样、规模庞大，与测绘地理信息、生态环保与国防安全的关系越来越紧密，在自然资源、生态环境、农业农村、城市建设、应急保障等业务领域中广泛应用，影像使用频率及个性需求越来越大。
如何实现对这些数据的系统化组织、管理和应用，建立以业务为驱动的影像自动推荐模式，是影像统筹要解决的关键性问题。
我们在文章：还在人工目视检查？海量多源卫星遥感影像自动化质检了解一下中，向大家介绍了对影像质量进行自动化、智能化、标准化“体检”的方法，为下一步影像数据的精细化利用提供了可靠的技术支撑。
影像质检完成之后，就进入下一个环节——选择合适的影像。不同行业应用领域及不同业务应用场景，对影像的要求也各不相同。例如，农作物长势监测、粮食估产等业务，对影像的光谱信息及采集时间就有较高的要求，而对分辨率的要求就会相对较低；城市空间监测等精细化管理要求较高的业务，则对影像的分辨率要求就比较高；而卫片执法等对影像时效性要求较高的业务，则对影像的覆盖率要求就比较高，对影像的质量和分辨率的要求就会相对降低。
为满足不同行业及业务应用场景对影像的统筹需求，北京数慧经过3年潜心研究，将知识图谱、深度学习等新一代信息技术与自然资源业务领域深度融合，自主研发了影像统筹管理系统，将各行业业务专家的知识进行固化，形成知识图谱，构建统筹推荐算法，实现快速、准确、自动化地挑选出满足目标区域内质量最优、时相最佳、成本最低、覆盖率最高的卫星遥感影像数据，以解决人工成本高、数据质检任务重、人工选择数据难的问题。
系统摒弃以景为单元的传统卫星遥感影像数据组织模式，基于影像质量标签和可用域，构建了时相优先、质量优先、优劣互补、业务场景语义推理等多因子的综合推荐算法，以满足不同业务应用场景对影像的需求，进而充分将有云（雾）的卫星遥感影像数据利用起来，提高目标区域影像覆盖率和利用率，强化生产统筹服务能力。
下面我们以广东省惠州市博罗县年数据为例，来对比人工挑选和计算机自动挑选影像的过程和效率，应用场景为生产年博罗县亚米级一张图。该县共有影像数据45景，以GF2为主，数据采集时间集中在3月、9月和10月，数据质量整体较好。
先来看一下人工“挑片”步骤：
第一步：
对该区域45景影像进行人工解压，并通过图像处理软件，对影像数据按采集时间进行分组。
3、4、5月份影像覆盖情况9月份影像覆盖情况
10月份影像覆盖情况
第二步：
对每景影像进行人工目视检查，并对问题进行分类标注。
第三步：
优先选择时相最新，质量最优的影像，以10月份影像为主。
第四步：
对不足区域利用9月份影像进行补充。
9月份影像挑选结果（绿色边框为10月份影像范围）
第五步：
对仍未完全覆盖的区域，再挑选3、4、5月份质量较优的影像数据。
3、4、5月份影像挑选结果
（绿色边框为9、10月份影像范围）
整体挑选结果
人工挑选影像时间
再来看一下计算机自动“挑片”步骤：
北京数慧影像统筹管理系统基于影像现趋性、影像云量、影像质量等因素形成统筹推荐策略，优先使用最新、云量少、质量优的影像进行背景影像筛选。
第一步：
对入库影像进行自动化质检。
在本例中，最新月份为10月份，共12景影像数据，其中3景与对应区域完全重叠，10景质量检查结果为优，2景质量检查结果为“良”，主要问题为局部存在高曝光，可用域范围均达到99%以上。
影像质量问题
第二步：
影像统筹条件设置。
统筹推荐条件设置
第三步：
统筹任务查看。
统筹任务查看
第四步：
统筹结果查看。
统筹结果查看
计算机影像统筹时间
上述生产统筹过程如果是传统的人工“挑片”，首先需要生产人员根据经验判断需要什么时相、什么质量、什么分辨率的影像，再将这些数据都加载到ArcGIS或者一些专业的看图软件中，然后再逐景挑选。单就人工“挑片”这个过程至少就需要近1个小时。然而，借助北京数慧影像统筹管理系统，这个过程只需10秒即可完成，“挑片”再也不是难事一桩！
最后再来总结下：
北京数慧影像统筹管理系统支持基于生产计划的任务驱动遥感影像生产统筹方式和基于应急要求的即时驱动遥感影像生产统筹方式，提供基于影像可用域的多因子自动化影像推荐功能，提供影像生产订单一键生成。
01
按照用户设定的统筹条件，系统可以按质量优先和时相优先等策略进行自动推荐，在影像检索结果列表中，还可以按影像的综合质量、采集时间、分辨率等再次排序。
02当影像推荐没有足够的数据时（区域影像覆盖率达不到%），系统可自动扩大影像检索的条件，以期望达到区域影像%覆盖率。
03在完成统筹推荐任务后，系统还支持用户手动外扩（如扩充星源，扩大采集时间范围等方式），也可以根据需要，查看/选择其他可替换的影像。