利用高分辨率全色影像追踪现代中国工业增长：一种序列卷积方法

由于在难以进入的地区发展数据不足或难以获取，遥感数据是有意的相关方收集经济增长信息的重要工具。迄今为止，尚无研究利用深度学习在单个站点层面估算工业增长。在本研究中，我们利用高分辨率全色影像，通过多层次计算机视觉框架估算中华人民共和国 419 个工业站点随时间的开发情况。我们提出了两种估算开发的方法：（1）通过 Mask R-CNN 分割算法估算的结构面积覆盖，以及（2）利用可见光红外成像辐射仪套件（VIIRS）的可见光与红外辐射直接插补开发情况。由这些方法生成的标签被 comparative 评估与测试。在一个跨越 19 年、包含 2,078 张 50 cm 分辨率影像的数据集上，结果表明可利用高分辨率 daytime 影像估算工业发展的两个维度，包括（a）工业发展的总平方米数（平均误差 0.021 $\textrm{km}^2$），以及（b）灯光辐射度（平均误差 9.8 $\mathrm{\frac{nW}{cm^{2}sr}}$）。对技术的趋势分析显示，由 Mask R-CNN 标注的 CNN-LSTM 得出的估算与真值测量最为接近。Mask R-CNN 估算从最旧影像到最新影像在所有站点均呈正增长，平均变化为 4,084 $\textrm{m}^2$。