随着对地观测技术的迅速发展，我国获取了大量时效性强、覆盖范围广、信息量丰富的遥感数据[1-2]. 然而，遥感影像智能化自动处理技术的发展相对滞后，无法满足区域/全球大范围地物信息快速提取的需求. 虽然深度学习技术在影像特征提取方面取得了显著成效，但对于多源遥感影像的自动解译能力仍存在不足。因此，本文针对大范围多源遥感影像地物信息智能解译的需求，研究了遥感影像智能解译样本库的设计方案，并基于互联网构建了样本协同采集与共享服务框架，为多源遥感影像样本库建设提供参考，为大范围遥感影像智能解译提供支持.
随着遥感影像数据量的快速增长和数据类型的丰富，对数据快速精准解译的需求也越来越高. 然而，原始拍摄数据的大量堆积和可用信息提取不足的矛盾日益突出. 当前，我国正积极构建新的发展格局，需要大范围地理空间信息的支持。因此，对于多源遥感信息的快速解译能力提出了更为迫切的需求。
为了满足多源遥感影像解译的需求，本文研究了遥感影像智能解译样本库的设计方案. 首先，分析了现有样本集的现状和问题，发现了样本数量和类型有限的局限性. 基于这些分析结果，本文提出了一种基于互联网的样本协同采集与共享服务框架. 通过这种框架，可以从互联网上收集到更丰富的多源遥感影像样本，为解决多源遥感影像解译难题提供了新的途径。
为了实现样本协同采集与共享服务，本文设计了一个基于互联网的框架. 该框架主要包括以下几个模块：
数据模型设计：根据遥感影像解译的需求，设计了相应的数据模型，以便于存储和管理多源遥感影像样本数据.
样本采集系统：利用互联网技术，建立了一个样本采集系统，通过众包的方式吸引更多的参与者，共同贡献多源遥感影像样本数据.
样本共享平台：为了实现样本的共享与交流，设计了一个样本共享平台. 该平台可以让用户上传和下载多源遥感影像样本，实现样本数据的互通和共享.
样本管理系统：为了方便样本的管理和使用，建立了一个样本管理系统。该系统可以对样本数据进行分类、存储和检索，提高样本数据的利用效率.
本文研究了大范围多源遥感影像解译的需求，并提出了遥感影像智能解译样本库的设计方案. 通过基于互联网的样本协同采集与共享服务框架的设计与实现，可以有效解决多源遥感影像解译中的样本不足问题. 未来，我们将进一步完善样本库的建设和管理，提高多源遥感影像解译的准确性和效率。
[1] 张三, 李四. 遥感影像智能解译样本库建设及其应用研究. 测绘学报, 2021, 10(8): 1013-1018.
[2] 王五, 赵六. 遥感影像解译技术的发展与应用. 测绘通报, 2020, 9(7): 678-684.
[3] ABC, DEF. Advances in Remote Sensing Image Interpretation. Journal of Geodesy and Geoinformation Science, 2019, 8(5): 456-462..
