其核心思想是遵循大數據計算的思維，將精細結構“圖”分析與定量演化“譜”計算進行緊密耦合，遍歷式地對地表每一個實體的“形態—類型—指標—功能”綜合要素進行提取與判別，進而實現對地表結構(圖)的廣域理解與功能屬性(譜)的深度透視，這就是對遙感大數據“圖-譜”螺旋式認知過程的本質刻畫。20 世紀90 年代陳述彭先生提出了地學信息圖譜的思想，在當今對地觀測技術日趨成熟的大數據時代終可得以在方法論上進行具體實踐!

在如今大數據時代，周成虎院士提出了以“發揮每個像元作用”、“認清每寸國土功能”的雙重理念來構建遙感影像地學理解工程，其關鍵是通過構建以大數據中心為樞紐的平臺化運營體系，來打通前后兩端“標準數據產品主動生產”與“面向用戶提供精準信息定制推送”的通道，這將有力推動精準應用進一步向精準服務演進，形成一種全新的以需求為驅動的主動服務新模式，從而改變傳統項目驅動的被動應用模式。

遙感影像地學理解工程的構建，充分體現了“全覆蓋-海量、持續更新-動態、混雜多態-復雜、價值密度提升”的大數據4V 特點，實質是一個“影像高精度處理、空間結構轉化、時空流信息融合、社會經濟屬性拓展”四個層次的信息傳遞與耦合計算過程。

然而，由于缺乏系統的對遙感大數據信息挖掘理論與計算方法技術的支持，當前這四個層次之間的信息傳遞并不通暢，從“供給側”大規模數據資源獲取到“需求側”社會化信息服務之間存在著巨大鴻溝，大數據平臺難以將精準信息及時推送到用戶終端上，極大限制了遙感服務在“精準“和“深度”兩個方面的有效開展。其中，“精準”的本質是將影像地物“精細化空間結構圖”和“定量化時序演化譜”的雙重特征進行緊密耦合的信息提煉，這是關于“遙感圖譜耦合認知”的科學理論問題;而“深度”的實質是在構建時空場景基準之上，通過對混雜多模態外部知識進行結構化融合與表示，逐步融入到計算模型中進行指標反演與功能推測，這是關于“多模態知識粒計算”的科學方法問題。

近年來，我們研究團隊在陳先生開拓的地學信息圖譜思想指引下，圍繞當今高分遙感面向社會提供精準服務的重大需求，對上述“認知”與“計算”這兩個科學問題開展了系統的探索研究，將智能化機器學習技術與圖式化GIS 時空分析方法、定量化遙感反演模型進行了緊密融合，提出了“圖-譜”耦合的遙感認知理論，從空間、時間、屬性三個維度構建了“由譜聚圖—圖譜協同—認圖知譜”的計算體系，按照“粒化—重組—推測”的邏輯對地物的“形態—類型—指標—功能—演化進行了逐級深入地挖掘與分析。

具體研究上，設計了多層感知、時空協同與多粒度決策上下協同的認知模型，建立了面向精細土地信息應用的高分辨率遙感影像地塊提取與指標反演技術方法體系，重點研究了土地利用地塊智能生成、多源外部知識遷移學習、中分時序數據處理與重建、地塊內覆蓋類型判別與指標計算、地塊多模態信息融合與功能推測等一系列關鍵算法;通過西部干旱區湖泊冰川制圖和東部農業區種植規劃制圖的應用示范，發展了多層次迭代的自適應計算技術，實現了“圖-譜”特征逐步融入與外部知識遷移機制，有效控制了信息傳遞過程中誤差積累問題，提高了土地因子提取的智能水平以及地物識別的精準程度;探索了針對復雜目標進行專題制圖的定制化技術，構建了遙感大數據四層結構的信息融合與傳遞模型，實現了從前端“數據制造”向后端“精準服務”的暢通流轉，初步展現了遙感大數據精準服務的C2B 新模式。

總體而言，以上研究的特色與創新之處體現為三個方面：

①通過遙感、人工智能與計算數學的多學科交叉，耦合“空間圖”與“時序譜”雙重特征，開展基于精細場景的定量模型計算，驅動GIS 與遙感的深度融合;

②提出了“五土合一”的土地信息智能生成方法，通過視覺感知與多粒度決策的上下協同，將混雜多態的地學知識逐層向內遷移與深度學習，促進遙感地學應用在廣度與深度兩個方面并進;

③面向國家高分遙感社會化分享的重大需求，構筑時空基準，提升價值密度，發展遙感大數據精準服務新模式。