遙感科學(xué)與技術(shù)遙感公司遙感工程師實習(xí)報告一、摘要2023年7月1日至2023年8月31日，我在一家遙感公司擔(dān)任遙感工程師實習(xí)生，負(fù)責(zé)高分辨率遙感影像處理與分析工作。核心工作成果包括完成10組土地利用分類精度評估，平均Kappa系數(shù)提升至0.88，優(yōu)化2種影像鑲嵌算法，使拼接錯位率降低至3%，并開發(fā)自動化云檢測腳本，處理數(shù)據(jù)量達500GB。專業(yè)技能應(yīng)用涵蓋ENVI、ArcGIS及Python編程，通過多光譜波段比值法實現(xiàn)植被覆蓋度反演，誤差控制在5%以內(nèi)。提煉出的波段組合分析法與云掩膜技術(shù)可直接應(yīng)用于類似項目，有效提升數(shù)據(jù)處理效率與成果可靠性。二、實習(xí)內(nèi)容及過程1實習(xí)目的想看看遙感技術(shù)在實際工作里是怎么走的，了解公司里處理影像數(shù)據(jù)的具體流程，還有看看自己學(xué)的那些東西用得上多少，怎么用才更高效。就是想搞清楚，學(xué)校里理論和實際工作之間到底差在哪兒，得補哪些課。2實習(xí)單位簡介那家公司主要做高分辨率遙感影像處理，服務(wù)對象是些做城市規(guī)劃、環(huán)境監(jiān)測的甲方。他們用的衛(wèi)星數(shù)據(jù)挺全，從光學(xué)到雷達都有涉獵，技術(shù)棧也挺新，常用的是一些商業(yè)軟件和自研工具，數(shù)據(jù)量一般都在幾百GB以上，對處理速度和精度要求都挺高。3實習(xí)內(nèi)容與過程剛?cè)ツ菚?，主要是跟著師傅熟悉他們的工作流程。他們處理影像一般分這幾個步驟：數(shù)據(jù)下傳、質(zhì)量檢校、預(yù)處理（比如輻射定標(biāo)、大氣校正）、鑲嵌切割，最后做分析。我跟著做了一段時間，主要是用ENVI和ArcGIS處理一些商業(yè)衛(wèi)星的光學(xué)影像，比如WorldView、Sentinel2這些。第一個月，我主要是在師傅指導(dǎo)下做數(shù)據(jù)預(yù)處理，學(xué)習(xí)怎么用波段比值法反演植被覆蓋度，還幫著寫了個簡單的云檢測腳本，用Python寫的，主要是基于亮度均值和標(biāo)準(zhǔn)差篩選。后來他們接了個城市綠地監(jiān)測項目，我參與了其中一部分，負(fù)責(zé)某個區(qū)域的影像分類。那塊區(qū)域植被類型挺復(fù)雜，有農(nóng)田、林地、還有建成區(qū)，分類精度要求比較高。我開始用的是最大似然法，結(jié)果精度不太行，Kappa系數(shù)才0.82。師傅讓我改用支持向量機，還教了我怎么選最優(yōu)波段組合，最后精度提升到了0.89。4實習(xí)成果與收獲實習(xí)期間，我獨立完成了3個區(qū)域的影像鑲嵌任務(wù)，拼接面積加起來有5000平方公里，錯位率控制在3%以內(nèi)，比他們以前用的老方法效率高了不少。還參與了那個綠地監(jiān)測項目，最后提交的分類圖，整體精度達到了87%，客戶那邊還挺滿意的。最大的收獲是學(xué)會了怎么在實際項目中優(yōu)化算法，比如通過調(diào)整波段組合和核函數(shù)參數(shù)提升分類精度。之前在學(xué)校做實驗，數(shù)據(jù)量小，對精度要求也沒這么高，完全沒意識到這些細(xì)節(jié)這么重要。還有就是，接觸了好多行業(yè)里的標(biāo)準(zhǔn)流程，比如像元分辨率、輻射分辨率這些概念，怎么在實際應(yīng)用里權(quán)衡。5遇到的問題及解決剛開始做云檢測的時候挺費勁，寫的那段腳本效率太低，處理500GB數(shù)據(jù)要跑大半天。后來我發(fā)現(xiàn)問題出在算法上，之前用的是簡單的統(tǒng)計方法，沒有考慮到不同云層的亮度和紋理差異。我重新設(shè)計了算法，加入了紋理特征，還用了一些并行計算的方法，最后處理速度提升了差不多一倍。另一個挑戰(zhàn)是那個綠地分類項目，一開始用最大似然法，結(jié)果精度上不去。我查了好多資料，發(fā)現(xiàn)那塊區(qū)域地物類型復(fù)雜，線性特征不明顯，最大似然法效果不好。師傅建議我試試支持向量機，還給我看了他們以前的一些項目案例，說對于這種復(fù)雜地物，SVM通常表現(xiàn)更好。我跟著他的建議改了方法，果然精度上來了。6職業(yè)規(guī)劃啟發(fā)這次實習(xí)讓我更清楚自己以后想干嘛了。我覺得遙感技術(shù)跟很多領(lǐng)域都能結(jié)合，比如城市規(guī)劃、環(huán)境監(jiān)測、農(nóng)業(yè)這些，應(yīng)用前景挺廣。我發(fā)現(xiàn)自己對影像處理和分析這塊挺感興趣，尤其是怎么用算法優(yōu)化結(jié)果，這讓我想繼續(xù)往這個方向發(fā)展。以后要是真想干這行，得把Python和機器學(xué)習(xí)學(xué)得更扎實，還得多了解些不同衛(wèi)星的數(shù)據(jù)特點。7單位現(xiàn)存問題那家公司雖然技術(shù)棧挺新，但管理上有點亂，項目多的時候，數(shù)據(jù)共享和版本控制挺混亂的，好幾次我都得自己找以前的成果數(shù)據(jù)。還有就是培訓(xùn)機制不太完善，新人來了基本上就是干中學(xué)，師傅也忙，沒時間系統(tǒng)地講講公司常用的那些自研工具。8改進建議我覺得他們可以搞個內(nèi)部知識庫，把常用的處理流程、參數(shù)設(shè)置、還有項目案例都整理好，新人來了就能直接查。另外，可以定期組織些技術(shù)分享會，讓老員工講講他們在項目里遇到的坑和解決方案，這樣比干中學(xué)效率高多了。再就是，可以搞點針對性的培訓(xùn)，比如每周幾小時，用在線課程或者內(nèi)部文檔，系統(tǒng)地講講他們的工作流程和常用工具。三、總結(jié)與體會1實習(xí)價值閉環(huán)這8周實習(xí)，感覺就像把學(xué)校里學(xué)的遙感知識串聯(lián)起來了。剛?cè)サ臅r候，對著那些海量數(shù)據(jù)和復(fù)雜的軟件界面有點懵，特別是7月15號第一次獨立處理那個超過1TB的Sentinel5P數(shù)據(jù)集時，感覺完全不會。那時候做的植被指數(shù)反演，誤差能到10%以上，跟師傅請教才知道是自己對大氣校正參數(shù)理解太表面了。后來慢慢上手，8月3號做的那個城市綠地分類項目，通過調(diào)整波段組合和SVM核參數(shù)，把Kappa系數(shù)從0.82提到0.89，那時候就覺得，嘿，學(xué)校里學(xué)的那些東西，比如多光譜成像原理、機器學(xué)習(xí)算法，真的能用上，而且還得學(xué)得更深才能做好。現(xiàn)在回頭看，實習(xí)就是把我從一個知道理論的學(xué)生，變成了一個能動手解決實際問題的準(zhǔn)工程師，這種感覺挺奇妙的。2職業(yè)規(guī)劃聯(lián)結(jié)這次經(jīng)歷讓我更確定了自己想走的路。之前我對遙感應(yīng)用挺模糊的，現(xiàn)在清楚了，高分辨率光學(xué)影像處理和分析，特別是結(jié)合機器學(xué)習(xí)做智能解譯，是我真正感興趣的。實習(xí)中接觸到的那些項目，比如用深度學(xué)習(xí)做變化檢測，還有雷達數(shù)據(jù)與光學(xué)數(shù)據(jù)融合這些，都讓我覺得這行未來能干出點名堂。接下來打算好好學(xué)學(xué)PyTorch和TensorFlow，再看看能不能找個機會考個遙感相關(guān)的職業(yè)資格證書，比如那個遙感數(shù)據(jù)分析師認(rèn)證。感覺實習(xí)經(jīng)歷就是給我畫了個靶子，現(xiàn)在就是得朝著這個方向猛扎。3行業(yè)趨勢展望感覺現(xiàn)在遙感行業(yè)變化特別快，商業(yè)衛(wèi)星鋪天蓋地，像WorldView、高分系列這些，分辨率越來越高，數(shù)據(jù)獲取成本也越來越低。學(xué)校里學(xué)的那些傳統(tǒng)方法，像最大似然分類，現(xiàn)在項目中用得少了，大家都傾向于用深度學(xué)習(xí)或者SVM。我還記得8月10號他們內(nèi)部有個技術(shù)分享會，講的就是怎么用卷積神經(jīng)網(wǎng)絡(luò)做建筑物提取，效果確實好，精度比以前高不少。而且現(xiàn)在云計算平臺也起來了，很多處理都能搭云上算了，效率高還不耽誤事。我覺得以后遙感工程師不光得懂算法，還得懂點云計算、大數(shù)據(jù)，不然很快就被淘汰了。這次實習(xí)讓我真切感受到了這種壓力，也看到了機會。4心態(tài)轉(zhuǎn)變與未來行動最大的變化可能是心態(tài)吧。以前做實驗，數(shù)據(jù)錯了改改，報告交上去就行，現(xiàn)在實習(xí)了，數(shù)據(jù)是客戶的，錯了就是損失。比如7月底做的那個鑲嵌項目，拼接錯位率要是超過5%，客戶肯定不干，那段時間天天盯著屏幕看，生怕出問題。還記得有一次凌晨3點，發(fā)現(xiàn)云檢測腳本有個bug，導(dǎo)致部分區(qū)域云判斷錯了，趕緊改了重跑，結(jié)果第二天一早趕緊發(fā)給師傅確認(rèn)，避免了麻煩。這種責(zé)任感，以前在學(xué)校真沒體會過。未來學(xué)習(xí)，肯定得往這個方向使勁。打算下學(xué)期多泡實驗室，爭取多做點實際項目，還打算買本《遙感影像智能處理》的書，系統(tǒng)學(xué)學(xué)深度學(xué)習(xí)在遙感上的應(yīng)用。實習(xí)這8周，感覺像是給未來職業(yè)生涯打了個地基，現(xiàn)在就是要一層層往上壘磚了。四、致謝感謝實習(xí)期間給予指導(dǎo)的導(dǎo)師，幫我理清了實際工作流程中的很多細(xì)節(jié)，尤其是在處理復(fù)雜影像分類問題時提供的建議，讓我對算法選擇和數(shù)據(jù)優(yōu)化有了更深的理解。感謝一起工作的同事們，和