遥感卫星数据优势有哪些方面？

在北京揽宇方圆遥感卫星数据优势方面，作者认为存在以下三点：第一，数据获取较易，且变量较广。这极大降低了研究成本；第二，影像分辨率较高。大部分遥感数据多基于30*30米栅格单位进行统计，部分甚至为0.5*05米单位统计。这大大丰富经济学者研究，尤其涉及地理空间政策评估方面分析；第三，数据覆盖较广，部分数据收集频率较高，且收集不受当地变故或政策变动影响。尽管卫星遥感数据因上述优势在经济学研究中取得广泛应用，但便捷性更多体现在小范围地理空间研究上。若涉及大范围影像数据应用，研究者则需具备一定计算机处理技术和相关知识。

在研究事项方面，作者强调需注意以下几点：1）卫星轨道。大部分遥感影像均为卫星拍摄。这些卫星主要位于两大轨道：其一是地球同步静止轨道。即卫星始终位于地球表面固定位置，且能够持续对同一地区进行连续观测。但因其距离地球较远，影像分辨率通常较低。其二是太阳同步轨道。即卫星保持固定角度在同一时间经过地球同一位置，多位于南北极上空。因其距离地球高度不一，研究者在使用中需在影像分辨率与观测频率间权衡。2）传感器和光谱。遥感卫星通常安装多个传感器，一个传感器只能基于一种或几种光谱进行数据记录。因不同光谱数据具有不同用途，学者需结合实际情况甄别使用。3）影像处理。遥感影像处理将会影响数据质量，其中主要涉及两种技术。一是正射校正：由于卫星观测地球存在角度偏差，研究者需对原始影像进行经纬度校正；二是多重叠加：云雾等外在因素会对影像造成偏差，学者需利用图像镶嵌技术对影像进行多重叠加处理，从而消除外部随机干扰。4）影像解析和分类。为了便于研究，研究者通常使用两大方法对影像数据进行预先处理。一类是对影像进行解析，并获取研究者想要内容，比如海拔、坡度等数据；另一类是对影像进行分类。比如，将土地按用途进行分类。其中，分类算法主要有两种：一是无监督学习，即研究者对数据不进行预先处理，所有过程均交由计算机进行建模分类；二是监督学习，即研究者对数据先进行主观分类标注，并结合标注对计算机进行训练得到最优模型，然后基于最优模型对原始影像数据进行分类处理。

随后，本文简单介绍了遥感影像相关数据源及经济学应用文献。其中，涉及到的遥感数据有夜间灯光、气候与天气、地形、农业用地与适种作物、城市用地、自然资源、空气污染等。同时，作者强调上述数据综合运用可为研究带来便利。比如，结合夜间灯光数据和日间影像资料，研究者利用迁移学习等机器算法进行解析，最终分类出衡量消费和资产的指标数据。这将极大降低因大范围调查所产生的研究成本。

最后，针对影像数据应用中存在问题，作者分别从数据规模与高维灾难、空间相关、度量偏误以及隐私问题对其展开探讨。具体来说，数据规模和高维灾难主要指影像数据常具有大规模和高维数特征，这将导致传统线性分析方法失效。研究者需结合经济理论选择合适模型进行降维处理。空间相关主要指影像数据常展现较强空间相关性。针对影像数据在研究中被作为自变量或因变量，学者需采取不同措施进行处理。度量偏误主要指在对数据进行预先主观处理时，尽管学界在算法方面取得较大进步，但一二类错误仍会产生。隐私问题主要指高分辨率影像数据将会在一定程度上侵犯个人隐私，研究者需要予以重视。考虑到未来遥感影像数据日益丰富，且容易获得，本文认为这将给经济学多个分支领域带来研究便利。返回搜狐，查看更多

责任编辑：