遥感影像解译研究结论
遥感影像解译是不断发展的研究方向，本文从遥感影像解译单元、分类方法、解释识别三个方面阐述了研究进展，提出了遥感影像解译的总体框架。随着遥感、地理、人工智能的结合发展，不仅要注意解释本身，还要注意知识的挖掘，要用智能解释目标，创造高度互动、支持地理空间决策的智能环境。推进“数据-信息-知识-智能”的深度转换。本文只是抛砖引玉的作用，需要更多的研究者一起探索，发挥知识指导和深度学习合作的优势，为遥感影像解译提供思路和方法，开展以下几个方面的研究。
(1)遥感影像解译框架和模型改进。本研究提出的“构建地理知识地图——深度学习网络模型——地理知识地图与深度学习模型合作的遥感图像语义分类”框架只是一种尝试和初探，需要更多的学者参与框架和模型的构建。这样框架和模型才能有更广泛的认可和应用性。可以为遥感图像智能解释提供领域知识和框架基础，提高遥感影像解译的科学性。
(2)地理知识地图与深度学习的深度结合。地理知识地图属于符号计算，可以与倒数三人推理，是可以解释的信息处理过程。深度学习自我学习能力强，能进行关联挖掘，是一个无法理解的信息处理过程。除了无监督/弱监督式、轻量级深度学习网络模型和地理知识地图构建方法外，还需要研究两者深度结合的方法和策略，充当地理知识地图的指导作用，缓解深度学习的解释差异、可扩展性弱的问题，加强对地理情景的深入认识。
(3)“数据-信息-知识-智能”转换模型。需要建立针对特定问题或环境的循环迭代转换模型，面对给定的问题或环境，使用遥感系统获取遥感数据，使用传输系统传输信息，使用预处理系统处理信息，使用处理系统生成知识，使用智能系统创建和执行智能策略，对给定问题或环境做出智能行为。
(4)地理知识地图生态系统。随着人类认知水平的提高，地理知识地图的总量不断增加。这是一个有起点，没有终点，没有边界的过程。研究地理知识地图的内部和外部生态规律有助于深刻理解地理知识本身的发生发展规律。另外，可以更透彻地理解数据、信息、知识、智力之间的本质联系。
