卫星遥感技术金融业应用报告

卫星遥感技术金融业应用报告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：孙凌浩史大鹏胡国强黄炳涛姜璐施佳子瞿威缪迪文尹亮邱雪涛王宇文黎明谢林李斌邓俊毅谢超陆碧波郭胜韩冰冯丽娜编审：徐旭杨晓诚丁洪涧丁来平宗煦李宇翔黄本涛姜璐刘昌娟姚文韬牵头编写单位：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、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 (一)小结 75(二)风险与挑战 76(三)应用建议 80(四)展望 83 (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)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和利润增长率。(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。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(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”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，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。51.相关概念遥感的定义为“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。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。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.卫星遥感特点卫星遥感具有时效性、周期性及数据综合性等特点。卫星遥感获取资料速度快、周期短，且不受高山、冰川、沙漠等恶劣条件限制，商业化发展潜力大。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。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。1.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。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)、m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：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。业外(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。mmm9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。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记录。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。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、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1)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：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：①冗余性：对环境或目标的表示、描述或解译结果相同；②互补性：信息来自不同的自由度且相互独立；③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：全球遥感卫星在轨运行数量占的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：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：低轨卫星(高度范围500-2000km)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(2015-2025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。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.卫星遥感影像分析：AI助力，从“看得清”到“看得懂”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物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：使用计算机处理遥感数据辅助人工分析。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：空间大数据融合激发了一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。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：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：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：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图像增强指增强图像中的有用信息，改善图像的视觉效果，物实际位置产生的挤压、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：通过将时间或空间的多源数据按照一定法则合成图像息匹配：同名像元点的灰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。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。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、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。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，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。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：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：选择包含目标矿物特定吸收谱带的光谱区间，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：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VI程。程3S是遥感(RemoteSensing)、全球定位系统(GlobalPositionSystem)和地理信息系统(GeographicInformationSystem)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。②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(如地图信息、人地大数据等)信息，以交互式查询和分析动产抵押场景中的应用。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、产品简介觉平台Learth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。AIEarth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，AIEarth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、SaaS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。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。①MindSpore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MindSpore支持数据并行、模型并行和混合并行训练，具有很强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。②LuoJiaNet&LuoJiaSETLuoJiaNET是武汉大学与华为基于异腾AI共同打造的全球首个遥感影像智能解译专用框架。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。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、编行的新一代遥感智能解译框架。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：①分类体系不统一。②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。③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。④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，同时提供标准化的标注工具，可大幅提升影像标注效率。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异思MindSporeAI框架原生到领先水平，填补了跨模态生成式预训练模型在遥感领域的空。④PaddleRS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。3.场景应用：应用范围更广、场景更丰富，下游需求不断增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、应用方向应用场景描述国土资源调查检测评价、开发利用监督等帮助土地管理机构快速、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①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；②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。三、金融行业卫星遥感应用诉求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，农户申请贷款缺乏信用模型、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。第二，风险预警慢，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，无法及时处置，贷后管理亟待完善。第三，农户信贷体验差，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，核保难度大，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，出险概率高，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，查勘定损难，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。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，部分项目选址涉及深山、林地、沙漠、海上等偏远地调查不便，且调研成本较高，调研频率受限；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，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。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。“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”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，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”的资源环境现状及为实现“碳达峰、碳中和”的目标，众多金融机构提出ESGEnvironment，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。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，我国的电源消费结构正向清洁低碳加快转变，火电站开发峰会上，我国宣布到2030年非化石能源占一次能源消费比重将以上。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；③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，将监控时效从季度提升到月度乃至半月，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。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诸多痛点：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，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，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。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；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化应用。四、卫星遥感技术金融业应用案例述本次与北京金融科技联盟专委会24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.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，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：为积极响应国家乡村振兴号召，建设银行乡村振兴金融部在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内海外项目的贷后管理。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：银联商务已开展卫星遥感在精准农业领域应用的技术预研，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信息。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，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：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。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。在应用领域方面，覆盖农业及自然资源遥感、工业遥感和夜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：主要包括产业园区监控、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-公路铁路建设管理等。城市活力评估(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。分类主要监控要素数据精度工业-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；农业场景-近海渔排渔排的数量和面积农业场景-森林或林场面积、树种、树龄0.5-0.75m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-夜光指数夜光指数各金融机构监控要素分布情况如图13所示：2.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，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3500km太阳同步轨道，配置0.9m分辨率、14.4km幅宽的光学相机，主要用于对地光学遥感观测。在数据使用空间分辨率方面，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，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。主要系统架构如在业务使用流程上，主要步骤如图15所示：(二)银行应用案例介绍1.工业信贷管理-新能源建设项目(风电站、水电站、光伏设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，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。同时因风电在地域、季节变化中跨度较大，在自动识别时，模型需具备较强泛化能力，能够适应季节、时相、气候、光照的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。图19为水电站的地物分类结果，从地物分类结果上来看，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。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，T图23为建筑物高度监测影像，结合阴影、角度等信息数据图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，3.工业信贷管理-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，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(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)。TT+1年规划区域多了10个桥墩，正在按照计划进行施工。4.工业信贷管理-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T+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。㎡。5.农业信贷管理-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、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：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。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：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是对某地块的产量预估，预测年产量为353.95公斤/亩。经济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、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。6.农业信贷管理-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36所示，可分析出框出监测区域已建设13个大棚，整个区域共有16888个大棚，处于在用状态的有13306个，处于未使用状态的状态。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