本文阐述了遥感影像解译的研究进展，提出了地理场景的《建立地理常识地图——深层次模型——地理常识与深层次学习模型协同的遥感图像意义分类》遥感影像解译的总体框架，并提出了初步的实验成果，然后展望了智能判读的重要发展趋势。
研究背景
遥感影像解译是遥感图像应用的核心和核心部分，准确的解译技术有助于提高遥感应用水平，扩大应用领域。目前，我国测绘、国土、林业等行业遥感调查和更新仍主要采用人工视觉解译工作方式，时间、努力、成本、周期长，不能满足当前经济社会快速发展对自然资源信息快速提取和更新的迫切需求。
自然资源部2018年出版的《自然资源科技创新发展规划纲要》表示：“须加强基于多源调查和监测成果的自然资源全要素信息快速提取和智能解译能力。”结合新的高分辨率遥感图像，进行自然资源全要素的快速提取和智能解译，是亟待突破的核心科技问题。
人工智能正在成为将人类带入智能时代的决定性力量。为此，须合理结合历史积累数据和地理常识，运用人工智能技术，提高遥感图像解译的能力和水平。
研究思维方式
从图像解译单位从像素级别到对象级别，再到场景级别，从发展分类方法的角度来看，从传统的监督、非监督分类器发展为整合、深层次。从认知解译来看，从智力海发展到智力认知。
遥感大数据、人工智能发展大环境下，全国自然资源调查监测、全国地理国情监测、全国土地利用动态监测和更新、全球地理信息资源建设等重大工程的遥感影像解译需求。用遥感影像智能解译为突破口。针对地理场景，提出了“构建地理常识——深层次模型——地理常识与深层次模型协同的遥感图像语义分类”遥感图像智能解译总体框架。拓宽遥感图像智能解译研究的思路和方法，使智能解译具备地理空间理解能力，直接反映地理空间结构和模式，促进地理常识地图、深层次模式的共享和重用，提高遥感图像智能解译。
实验方法
由于先验常识不足、信息采集路径单一的影响，单纯依靠同一类型(同一数据源)的遥感影像解译数据进行解译分析得到的结果准确度往往不能满足需求、结果形式单一、缺乏符合人类认识的地理常识。未来的遥感影像解译机器有大脑。地理常识是这个大脑的常识库。如何面对地理场景，从历史解译常识、互联网大数据中提取常识，将这些常识有机结合，制作更大规模的地理常识，利用常识实现深层次常识推理，提高遥感图像的理解和分析能力，是遥感图像智能解译的关键。为具体地理情景收集大量资料和数据，梳理和总结相关地理常识，利用本体塑造地理实体，通过“数据收集-信息提取-常识结合-常识处理”形成地理常识地图，通过语义模型实现地理常识的语义检索、地理常识推荐、相关分析等。
地理常识参与网络模型的构建
由于深层次学习潜力无限、图片规模多样性、样本分布不平衡、大量样本需求等原因，如何结合地理常识地图和深层次学习，以连续矢量表示离散化常识地图，使地理常识的先验常识成为深层次的输入，是构建深层次网络模型的难题，也存在着利用常识引导深层次模式学习、完善深层次学习黑匣子的问题。
