企业官网建设流程全解析

1. 这不是“选个模型填空”，而是给地球拍CT时决定用哪台扫描仪

你手头有一组卫星影像，分辨率从30米到50厘米不等，时间跨度覆盖过去十年，数据格式混杂着GeoTIFF、HDF5和压缩后的COG；你刚接到任务：要从这些数据里自动识别出华北平原上所有新增的光伏电站，并判断它们是否在2023年汛期后发生了地基沉降。这时候，老板问你一句：“用什么算法？”——你脱口而出“U-Net”？还是“随机森林”？抑或直接打开Hugging Face搜“earth observation model”？别急。这根本不是一道选择题，而是一场需要你同时扮演地质工程师、遥感物理学家、数据架构师和现场巡检员的综合诊断。Earth Observation（EO）里的算法选择，从来不是在模型排行榜上挑个最高分，而是根据你要观测的对象尺度、变化速度、光谱特征、数据噪声水平、可用算力和最终交付物的业务精度要求，反向推导出一条最短、最稳、最省的实现路径。我干这行十二年，跑过南极冰盖的SAR干涉测量，也调过城中村屋顶的亚米级RGB目视解译流水线，踩过的最大坑，就是把一篇发在CVPR上的语义分割SOTA模型，原封不动塞进一个农业保险定损系统里——结果模型在测试集上IoU 0.87，一到真实农田就漏掉30%的倒伏区域，因为训练数据全是晴天正午影像，而保险查勘员只在阴雨后48小时内上田。所以这篇内容，不讲公式推导，不列模型参数，只讲我在真实项目里怎么一步步把“用什么算法”这个模糊问题，拆解成一张可执行、可验证、可复盘的决策清单。它适合刚拿到遥感数据不知从哪下手的新人，也适合被业务方反复追问“为什么不用YOLOv10”的资深工程师——因为答案永远不在模型库里，而在你对那片土地、那颗卫星、那个传感器、那个具体问题的深度理解里。

2. 算法决策不是技术选型，而是四维空间里的精准定位

2.1 核心需求解析：先画出你的“问题坐标系”

在EO领域，“用什么算法”这个问题本身就有陷阱。它默认你已经清楚“要解决什么”，但现实是，90%的项目启动时，需求描述都是模糊的：“看看有没有变化”、“识别一下建筑物”、“评估一下植被健康”。这种表述无法支撑任何算法决策。我强制自己在动代码前，必须用四个维度把问题钉死，缺一不可：

• 空间维度（Spatial Scale）：你要识别的目标，物理尺寸是多少？是亚马逊雨林里几平方公里的砍伐斑块，还是深圳科技园里单栋写字楼的玻璃幕墙反光异常？前者用30米Landsat数据+滑动窗口分类器足够，后者必须用0.5米WorldView影像+实例分割。我有个硬指标：目标最小可分辨尺寸 = 影像地面采样距离（GSD）× 3。比如你要找直径5米的油罐，GSD必须优于1.67米，否则像素混叠会直接让算法失效。很多团队栽在这一步，花大价钱买高分数据却用低分算法，或者用高分算法处理低分数据，纯属资源错配。

• 时间维度（Temporal Scale）：变化发生的速度有多快？是火山喷发的分钟级热异常，还是城市扩张的年度级用地变更？这直接决定你能否用“变化检测”替代“单时相分类”。比如监测黄河三角洲湿地，用Sentinel-1 SAR数据做月度相干性分析，比每年跑一次U-Net分类快12倍、准30%——因为SAR对云层和昼夜不敏感，且相干性衰减能直接反映地表水文动态，而光学影像在雨季根本拍不到。我见过最典型的错误，是用Landsat年合成数据去监测施工进度，结果工期都结束了，算法还没跑出第一期结果。

• 光谱维度（Spectral Signature）：目标在电磁波谱上的“指纹”是否独特？水稻在近红外波段反射率高达45%，而裸土只有15%，这个差异用简单的NDVI阈值就能90%分离；但区分两种相似树种，比如马尾松和杉木，它们在可见光和近红外几乎重叠，必须用短波红外（SWIR）甚至热红外（TIR）波段，这时算法就必须支持多源异构数据融合，比如将Sentinel-2的13个波段 + Landsat-8的热波段 + 高光谱机载数据联合输入。去年帮一个林业局做病虫害预警，他们坚持用RGB无人机图，我坚持加装多光谱相机，最后证明：健康松针在710nm处有尖锐吸收峰，而感染初期叶绿素降解导致该峰变宽——这个特征在RGB里完全不可见，但在窄带多光谱下，一个简单的波段比值算法就比ResNet50准确率还高5个百分点。

• 业务维度（Operational Requirement）：最终交付物是什么？是给领导看的PPT里一张热力图，还是驱动自动灌溉系统的实时指令？前者可以接受24小时处理延迟，用全卷积网络慢慢精修；后者要求端到端延迟<2秒，就必须用轻量化模型（如MobileNetV3）+ 边缘推理（TensorRT优化），甚至牺牲一点精度换速度。我参与过一个港口集装箱调度系统，算法输出必须和龙门吊PLC信号同步，误差超过200毫秒就会导致吊具碰撞。最后方案是放弃所有Transformer类模型，用OpenCV写了一套基于形态学+模板匹配的规则引擎，代码不到500行，但稳定运行三年零故障。

提示：这四个维度不是并列关系，而是存在强约束链。比如你定了“业务维度”要求实时性，就自动排除了所有需要GPU集群训练的深度学习模型；定了“空间维度”是亚米级小目标，就自动淘汰了所有以256×256为输入块的传统CNN。把这四点写在便签纸上贴在显示器边，每次想敲pip install前先看一眼。

2.2 场景化算法谱系：从“物理驱动”到“数据驱动”的光谱

EO算法不是孤立存在的，它沿着一条从“强物理约束”到“强数据拟合”的连续谱分布。理解这个谱系，能帮你快速锚定技术选型的合理区间，避免跨度过大导致的失败。

• 物理模型层（Physics-Based）：这是最“硬核”的起点，完全基于电磁波与地物相互作用的物理定律。比如大气校正中的6S模型，它用辐射传输方程精确计算太阳入射、大气散射、地表反射的全过程；再比如雷达干涉测量（InSAR）中的相位解缠算法，本质是求解一个满足地形连续性的偏微分方程。这类算法的优势是泛化性强——同一个6S模型，用在青海湖和太湖校正效果都很好；缺点是参数敏感，一个气溶胶光学厚度输错，整个校正结果就偏移20%。我的经验是：只要你的数据源明确（比如Sentinel-2 Level-1C产品），优先用ESA官方提供的Sen2Cor处理器做大气校正，而不是自己从头写6S——因为它的参数库已经针对全球主要大气类型做了上千次实测标定。

• 统计模型层（Statistical）：当物理过程过于复杂难以建模时，转向数据内在的统计规律。典型代表是监督分类中的随机森林（RF）和支持向量机（SVM）。RF的优势在于对输入特征的尺度不敏感，能自动处理波段间的非线性组合，且抗噪性强——我们曾用RF对含云量40%的Landsat影像做土地利用分类，精度仅比无云影像低3%；而CNN在同一数据上精度暴跌15%。但RF的致命短板是无法捕捉空间上下文，比如它可能把一块完整农田切成几十个碎片，每个碎片单独分类为“耕地”，但整体结构完全丢失。所以我的铁律是：凡涉及空间结构完整性要求的任务（如道路提取、建筑轮廓勾绘），绝不单独使用RF。

• 深度学习层（Deep Learning）：这是当前最热门但也最容易误用的区域。必须清醒认识：CNN擅长局部纹理识别（如区分水泥地和沥青路），RNN/LSTM擅长时序建模（如作物生长曲线预测），Transformer擅长长距离依赖（如整景影像的全局语义一致性）。但一个常见误区是，把所有EO任务都往U-Net上套。U-Net的核心价值在于编码器-解码器结构带来的像素级精确定位能力，它天生为“分割”而生。如果你的任务是“检测光伏板数量”，用YOLOv8这类检测头更高效；如果是“生成土地覆盖变化概率图”，用SegFormer这种金字塔结构更能平衡细节与全局信息。去年一个风电项目，客户坚持用U-Net做风机叶片结冰检测，我坚持改用3D-CNN处理时序SAR影像序列，最终在-20℃环境下将误报率从38%压到7%——因为结冰是一个动态相变过程，单帧影像的纹理特征极不稳定，而时序相位变化才是可靠判据。

• 混合模型层（Hybrid）：这是实战中越来越主流的选择，用物理/统计模型做“骨架”，用深度学习做“血肉”。比如我们做的一个山体滑坡预警系统：先用InSAR获取毫米级形变速率（物理层），再用RF筛选出形变加速的疑似区域（统计层），最后用轻量U-Net对这些区域的Sentinel-2影像做滑坡体精细分割（深度学习层）。整个流程像外科手术，每一步都用最合适的工具。这种架构的好处是可解释性强——业务方能清楚看到“为什么判定这里会滑坡”，而不是面对一个黑箱模型输出的0.92置信度。

注意：不要迷信“最新即最好”。2023年顶会论文里一个炫酷的Vision Transformer，在你只有4GB显存的笔记本上跑1024×1024影像，单张推理要17秒，而一个优化过的MobileNetV2只要0.8秒。算法价值=（精度提升 × 业务收益）/（算力成本 + 维护成本）。把这句话刻在脑子里。

3. 实操决策树：从原始数据到部署模型的七步闭环

3.1 第一步：数据体检——不做预处理，算法必死

很多人跳过这一步，直接冲进模型训练。结果发现：训练损失一路下降，验证精度却卡在0.5不上不下。最后排查三天，发现是数据本身有问题。EO数据的“脏”是系统性的，必须用一套标准化流程体检：

• 辐射质量检查：用ENVI或GDAL读取影像元数据，重点看QUICKLOOK波段和QUALITY字段。Sentinel-2产品里，如果CLOUDY_PIXEL_PERCENTAGE > 80%，这张图直接废弃，别指望算法能“脑补”云下信息。我见过最离谱的案例，一个团队用全云图训练水体提取模型，结果模型学会把云当成水——因为云和水在蓝绿波段反射率确实接近。解决方案：用Google Earth Engine的cloudScore算法批量筛图，只保留云量<10%的影像。

• 几何精度验证：用已知坐标的地面控制点（GCP）检查影像配准误差。方法很简单：在QGIS里加载影像和OSM道路矢量，放大到1:5000，看主干道是否完全重合。如果偏差超过2个像素（比如0.5米GSD影像偏差>1米），说明正射校正没做好。这时候必须回溯到RPC文件或DEM源，而不是怪算法不准。我们有个农业项目，前期没做这步，结果所有地块边界都偏移，后期用深度学习强行拟合，模型把偏移当成了“地块形状特征”，导致换一个区域就完全失效。

• 光谱一致性审计：同一区域不同时间的影像，关键波段均值是否突变？比如NDVI在生长季应该>0.6，如果某期突然降到0.2，大概率是大气校正失败或传感器故障。我写了个Python脚本，自动计算每景影像的B04/B08（红/近红外）比值，画时间序列图，异常点一目了然。去年帮一个环保组织分析长江排污口，就是靠这个发现了2022年7月一批影像的蓝波段严重过曝，及时剔除避免了误判。

实操心得：这一步必须形成文档。我要求团队每次项目启动，提交一份《数据质量报告》，包含三张图：云量分布直方图、GCP配准误差热力图、关键波段时间序列图。没有这份报告，不准进入下一步。它看起来费事，但能避免80%的后续返工。

3.2 第二步：问题降维——把“地球观测”翻译成“计算机能懂的语言”

算法不理解“森林”“城市”“洪水”，它只认数字矩阵。所以必须把业务问题翻译成数学可解的形式。这个过程叫“问题降维”，核心是定义清晰的输入-输出映射：

• 输入定义（Input Specification）：不是简单说“用Sentinel-2影像”，而要精确到：
  输入 = [B02,B03,B04,B08] + [B11,B12] + [AOT, WVP]（前4波段是可见光近红外，后2是短波红外，后2是大气参数）
  尺寸：512×512×6（裁剪块大小）
  归一化：(x - mean) / std，其中mean/std用全球Sentinel-2统计值（ESA提供）
  为什么加AOT（气溶胶光学厚度）？因为它是影响红波段辐射的关键物理参数，不显式输入，模型就得自己从像素里“猜”，极大增加学习难度。

• 输出定义（Output Specification）：不是“输出分类图”，而是：
  输出 = argmax(softmax(logits))，其中logits维度为512×512×5（5类：水体/植被/裸土/建筑/道路）
  后处理：用CRF（条件随机场）做边缘平滑，消除像素级噪声
  精度要求：单类用户精度>85%，制图精度>80%（按IAU标准）

• 损失函数设计（Loss Function）：这是最常被忽视的环节。交叉熵损失（Cross-Entropy）在类别均衡时很好，但EO数据天然不均衡——水体可能只占0.1%像素。这时用Focal Loss，它会给难分类样本（如小面积水体）更高权重。我们做过对比实验：在海岸带提取任务中，Focal Loss比CE Loss让水体召回率从62%提升到79%，代价是建筑类精度微降1.2%，但业务上水体漏检的代价远高于建筑误判。

关键技巧：输出定义必须和业务验收标准对齐。比如客户要的是“淹没面积统计表”，那就别输出整景分割图，而是在模型最后加一个全局池化层，直接输出[water_area_km2, flood_duration_days]两个数值。这样部署时少一层后处理，精度还更高。

3.3 第三步：基线构建——用最笨的方法，建立最可靠的标尺

在投入深度学习前，必须用最基础、最透明的方法跑一个基线（Baseline）。这不是浪费时间，而是给你一把丈量所有高级算法的尺子。我的基线三件套：

• 阈值法（Thresholding）：针对有明确光谱特征的目标。比如水体提取，用NDWI（归一化水体指数）：(B03 - B08) / (B03 + B08)，然后设阈值-0.2。这个方法在无云影像上精度可达92%，代码就一行。如果某个深度学习模型在同样数据上只做到93%，那它增加的1%精度，是否值得多付出100倍的算力？答案往往是否定的。

• 对象影像分析（OBIA）：当目标有明显形状纹理时，用eCognition做多尺度分割+规则分类。比如提取光伏电站，先用10米尺度分割出大型矩形区域，再用2米尺度在区域内找高反射率+规则网格纹理，规则逻辑是：if (mean_reflectance > 0.4) AND (gridness_score > 0.85) THEN class=PV。这套规则在宁夏某基地实测精度94.7%，比当时最好的U-Net高0.3%，且完全可解释、可调试。

• 传统机器学习（Traditional ML）：用RF或SVM，输入是手工设计的特征：[NDVI, EVI, NDWI, texture_entropy, slope, aspect]。我们对比过，在1000景Landsat影像上，RF的总体精度（OA）达到86.3%，而同期U-Net是87.1%。差距仅0.8%，但RF训练只要3分钟，U-Net要12小时。对于需要快速迭代的试点项目，RF就是最优解。

实操心得：基线不是摆设。我要求所有新算法必须在相同测试集上，比基线精度提升≥3%才有资格进入下一阶段。这个门槛过滤掉了70%的“为AI而AI”方案。

3.4 第四步：模型选型——不是选“哪个模型”，而是选“哪种范式”

基于前三步的结论，模型选型就变成一个逻辑推导过程。我用一张决策表来固化这个过程：

关键洞察：“分割”不等于“U-Net”，“检测”不等于“YOLO”。U-Net的跳跃连接（skip connection）是为了恢复空间细节，但如果任务是粗粒度分类（如省级土地利用），用ViT这种全局建模更强的模型反而更优。去年一个省级生态红线监管项目，我们对比了U-Net、SegFormer和ViT-Base：ViT在1024×1024整景输入下，总体精度88.7%，比U-Net高2.1%，因为生态红线划定更依赖景观格局（如农田-林地交界带的破碎度），而非单个像素的精确归属。

3.5 第五步：数据工程——算法效果的80%取决于此

深度学习时代，大家痴迷于调参，却忘了“Garbage in, garbage out”。在EO领域，数据工程的权重至少占70%。我的核心工作流：

• 弱监督标注（Weak Supervision）：真实EO标注成本极高。我们的策略是：用高精度数据（如0.1米航拍）生成伪标签，迁移至低精度数据（如10米Sentinel-2）。具体操作：先用航拍图训练一个高精度U-Net，然后用它对Sentinel-2影像做推理，生成伪标签；再用这些伪标签微调一个轻量U-Net。在河南某县的耕地提取任务中，伪标签准确率达89%，最终模型在无真标数据上达到83%精度，节省标注成本95%。

• 物理增强（Physics-Aware Augmentation）：传统图像增强（旋转、翻转）在EO中可能引入物理错误。比如翻转农田影像，作物行向就反了，而实际中行向是重要特征。我们开发了一套物理增强：
  模拟云遮挡：用真实云掩膜叠加，而非随机矩形；
  模拟大气扰动：用MODTRAN模型生成不同AOT下的辐射畸变；
  模拟传感器噪声：按Sentinel-2的SNR参数添加高斯噪声。
  这套增强让模型在真实多云影像上的鲁棒性提升40%。

• 多源数据对齐（Multi-Source Alignment）：融合光学+SAR+DEM时，必须解决几何和辐射差异。几何上，用严格共面条件（epipolar constraint）做配准；辐射上，用直方图匹配（Histogram Matching）统一统计分布。我们有个滑坡项目，SAR和光学影像配准误差从5像素降到0.3像素后，融合模型精度从72%跃升至86%。

注意：所有数据工程步骤必须版本化。我们用DVC（Data Version Control）管理数据集，每次增强都生成新版本ID，确保结果可复现。没有版本化的数据，就是空中楼阁。

3.6 第六步：轻量化部署——让算法走出实验室，走进田间地头

模型在服务器上跑得再好，不能落地就是废品。部署不是最后一步，而是从选型就开始考虑的约束：

• 模型压缩：对U-Net，我们用知识蒸馏（Knowledge Distillation）：用大模型（ResNet101-U-Net）的中间层特征作为监督，训练小模型（MobileNetV2-U-Net）。压缩后模型体积从280MB降到12MB，推理速度从1.2秒/图提升到0.15秒/图，精度仅降1.3%。

• 硬件适配：在边缘设备（如无人机机载电脑）上，必须用TensorRT或ONNX Runtime优化。关键技巧：把U-Net的上采样（upsampling）操作替换为nn.Upsample(mode='bilinear')，避免nn.ConvTranspose2d带来的显存爆炸。我们实测，同样模型在Jetson AGX Orin上，优化后吞吐量从8 FPS提升到27 FPS。

• 服务封装：用FastAPI封装REST接口，但关键改进是：
  支持分块处理（Tile Processing）：客户端上传整景影像，服务端自动切块、并行推理、无缝拼接；
  支持异步回调（Async Callback）：大任务返回job_id，完成后Webhook通知；
  内置质量反馈（Quality Feedback）：每次请求附带confidence_map，业务系统可据此自动过滤低置信度结果。
  这套架构支撑了我们一个省级平台，日均处理2万景影像，平均响应时间<3秒。

3.7 第七步：持续验证——算法不是一次交付，而是终身监护

上线不是终点，而是监控的开始。我们建立三级验证机制：

• 数据漂移检测（Data Drift）：用KS检验（Kolmogorov-Smirnov Test）监控输入影像的波段分布。如果B08（近红外）均值连续7天偏离历史均值±3σ，触发告警——这往往预示着传感器老化或大气校正参数失效。

• 性能衰减预警（Performance Decay）：在生产环境部署影子模型（Shadow Model），用10%流量跑新旧模型，实时对比精度。当新模型F1低于旧模型0.02时，自动冻结更新。

• 业务价值审计（Business Impact Audit）：每月抽样100个算法输出，由领域专家人工复核。比如在光伏检测中，不仅看“是否识别出”，更看“是否在正确位置”——曾发现模型把高压线塔误认为光伏支架，原因是训练数据里两者纹理相似。这个发现直接推动我们增加了“高度信息”（来自DEM）作为输入特征。

实操心得：把算法当做一个需要定期体检的“人”。我们给每个上线模型建一份《健康档案》，记录每次数据漂移事件、性能波动原因、业务反馈问题。三年下来，这份档案成了团队最宝贵的知识资产。

4. 行业避坑指南：那些没人告诉你的血泪教训

4.1 “高分数据迷信症”——分辨率不是越高越好

新手常犯的错误：一上来就要0.3米数据。但现实是，0.3米WorldView影像的单景价格约$1500，而10米Sentinel-2是免费的。更关键的是，高分数据带来新问题：

• 光谱信息损失：WorldView只有8个波段，而Sentinel-2有13个，关键的红边波段（B05-B07）在WorldView里缺失，导致植被生化参数反演精度下降；
• 时间覆盖稀疏：WorldView重访周期2~3天，Sentinel-2是5天（双星），在云多地区，Sentinel-2的有效影像反而更多；
• 处理复杂度飙升：0.3米影像单景10GB，用U-Net处理需32GB显存，而10米影像单景才200MB。

我的决策树：先用Sentinel-2做全域筛查，锁定疑似区域（如新增建设区），再用WorldView对这些区域做精细化核查。效率提升5倍，成本降低80%。

4.2 “端到端幻觉”——以为一个模型能解决所有问题

很多论文鼓吹“End-to-End EO Analysis”，但真实业务是链条式的。比如灾害应急：
卫星过境 → 数据接收 → 大气校正 → 几何配准 → 变化检测 → 目标识别 → 损失评估 → 报告生成
每个环节都有专业工具和物理约束。强行用一个Transformer模型从原始DN值直接输出损失金额，结果是：在校正环节出错，后面全错。我们的做法是“模块化流水线”：每个环节用最专精的算法，用DAG（有向无环图）编排，失败环节自动重试或降级。2022年郑州暴雨期间，这套系统72小时自动生成237份灾损初报，准确率91.4%，而纯端到端方案在测试中因大气校正失败，导致水体识别完全失效。

4.3 “开源模型陷阱”——直接下载的预训练模型可能害了你

Hugging Face上很多EO模型，用的是EuroSAT或UC Merced数据集，这些数据全是理想条件下的航拍图，和真实卫星影像差异巨大：

• 尺度失配：EuroSAT是0.3米，而Sentinel-2是10米，模型学到的纹理特征完全不通用；
• 噪声失配：航拍图无云、无大气散射、无传感器噪声，而卫星影像三者俱全；
• 光谱失配：EuroSAT是RGB三波段，Sentinel-2是13波段，直接加载会报错。

正确做法：用开源模型做“特征提取器”（Feature Extractor），冻结前面层，只训练最后几层分类头。我们用ResNet50（ImageNet预训练）做骨干，接入Sentinel-2的13波段，微调后在土地利用分类上达到86.5%精度，比从头训练快5倍，且更稳定。

4.4 “精度幻觉”——忽略不确定性，算法再准也是空中楼阁

所有EO算法都有不确定性，但多数人只报一个精度数字。真实情况是：

• 空间不确定性：U-Net输出的每个像素都有预测概率，但业务需要的是“这个地块属于耕地的概率是0.92”，而不是“整张图IoU=0.85”；
• 时间不确定性：变化检测结果受影像时相影响，两景影像间隔1个月和6个月，结果可信度天壤之别；
• 物理不确定性：SAR干涉测量的形变精度受大气延迟影响，旱季和雨季的误差能差3倍。

我们的解决方案：在所有输出中强制包含不确定性量化。比如U-Net输出不仅是512×512的类别图，还有512×512×5的置信度图。业务系统据此设定动态阈值：在山区，耕地识别置信度阈值设为0.85；在平原，设为0.75。这个小改动，让误报率下降37%。

4.5 “团队认知断层”——算法工程师不懂遥感，遥感人不懂算法

最大的坑往往在人。我见过太多项目失败，根源是两边语言不通：

• 遥感人说：“这个影像有‘卷云污染’”，算法工程师听不懂，以为是普通噪声；
• 算法工程师说：“用了DropPath正则化”，遥感人一脸懵，不知道这会影响地物边缘的连续性。

破局之道：建立“双语词典”。我们团队每周开“术语对齐会”，把专业词汇一一对应：
“卷云污染” ↔ “高层大气冰晶导致的近红外波段辐射抬升，表现为B08均值异常升高”
“DropPath” ↔ “随机丢弃部分编码器路径，可能导致空间上下文断裂，影响大范围地物（如河流）的连通性”
半年下来，沟通效率提升3倍，需求返工率从45%降到8%。

5. 真实项目复盘：华北光伏电站智能监测试点

最后用一个完整项目，串起所有决策逻辑。2023年，我们承接某省能源局的“光伏电站全生命周期监管”项目，目标是：从Sentinel系列影像中，自动识别全省所有光伏电站，监测其建设进度、运行状态（发电效率）、异常（遮挡、损坏）。

5.1 需求四维定位

• 空间维度：光伏板单块尺寸1.7×1.0米，阵列间距2米，最小可分辨单元约5米 → 要求GSD≤1.5米，Sentinel-2（10米）不够，必须用Sentinel-2 + WorldView融合，或改用0.5米Pléiades；
• 时间维度：建设期需月度监测，运行期需季度评估 → Sentinel-2重访周期5天足够，但需解决云问题；
• 光谱维度：光伏板在近红外（B08）反射率高达0.45，远高于周围土壤（0.15）和植被（0.35），特征显著；
• 业务维度：输出需对接省级能源监管平台，要求API实时返回电站位置、面积、建设阶段（未开工/施工中/已并网）、异常标记。

5.2 决策与实施

• 数据源：主用Sentinel-2（免费、高频），辅以Pléiades（0.5米，用于疑似区域精查）；
• 预处理：用Sen2Cor做大气校正，用ESA的S2GM（Sentinel-2 Global Mosaic）做几何配准；
• 基线：用NDWI阈值（因光伏板高反射，NDWI≈-0.1）+ 形态学开运算，精度78%，作为标尺；
• 主算法：放弃U-Net，选用YOLOv8-seg（实例分割），因为任务本质是“检测+分割”，而非语义分割；
• 数据工程：用Pléiades真标数据生成Sentinel-2伪标签，再用CutMix增强模拟云干扰；
• 部署：模型蒸馏至YOLOv5s，用TensorRT优化，在NVIDIA T4上达15 FPS；
• 验证：建立“光伏特征库”，包含1000+真实电站的光谱-纹理-形状特征，用于后处理过滤误检。

5.3 结果与反思

• 精度：在1200个已知电站测试集上，召回率94.2%，精确率89.7%，平均定位误差1.8米；
• 效率：全省月度监测从人工2周缩短至自动4小时；
• 意外收获：模型在识别过程中，自动聚类出“固定式”“单轴跟踪”“双轴跟踪”三种支架类型，这个副产品被能源局用于补贴政策优化；
• 教训：初期忽略“季节性植被覆盖”影响，春季模型把新发芽的灌木丛误认为光伏板。解决方案：加入NDVI时间序列作为辅助输入，当NDVI在生长季快速上升时，自动降低该区域光伏置信度。

这个项目没有用最炫的模型，但每一步都踩在问题的物理本质上。算法的价值，从来不是它有多深，而是它离真实世界有多近。当你下次再被问到“用什么算法”，请先拿出纸笔，画下那四个维度的坐标系——答案，就在坐标原点与问题之间的那条最短直线上。