Earth Observation data possess tremendous potential in understanding the dynamics of our planet. We propose the Semantics-driven Remote Sensing Scene Understanding (Sem-RSSU) framework for rendering comprehensive grounded spatio-contextual scene descriptions for enhanced situational awareness. To minimize the semantic gap for remote-sensing-scene understanding, the framework puts forward the transformation of scenes by using semantic-web technologies to Remote Sensing Scene Knowledge Graphs (RSS-KGs). The knowledge-graph representation of scenes has been formalized through the development of a Remote Sensing Scene Ontology(RSSO)—a core ontology for an inclusive remote-sensing-scene data product. The RSS-KGs are enriched both spatially and contextually, using a deductive reasoner, by mining for implicit spatio-contextual relationships between land-cover classes in the scenes. The Sem-RSSU, at its core, constitutes novel Ontology-driven Spatio-Contextual Triple Aggregation and realization algorithms to transform KGs to render grounded natural language scene descriptions. Considering the significance of scene understanding for informed decision-making from remote sensing scenes during a flood, we selected it as a test scenario, to demonstrate the utility of this framework. In that regard, a contextual domain knowledge encompassing Flood Scene Ontology (FSO) has been developed. Extensive experimental evaluations show promising results, further validating the efficacy of this framework.

中文翻译：

---

语义驱动的遥感场景理解框架，用于地面时空上下文场景描述

地球观测数据在理解我们星球的动力学方面具有巨大的潜力。我们提出了语义驱动的遥感场景理解（Sem-RSSU）框架，用于呈现基于地面的时空上下文综合场景描述，以增强态势感知能力。为了最小化遥感场景理解的语义鸿沟，该框架提出了使用语义网技术将场景转换为遥感场景知识图（RSS-KG）的方法。场景的知识图表示已通过开发遥感场景本体（RSSO）进行了形式化，RSSO是包容性遥感场景数据产品的核心本体。RSS-KG使用演绎推理程序在空间和上下文上都得到了丰富，通过挖掘场景中土地覆盖类之间的隐式时空上下文关系。Sem-RSSU的核心是新颖的本体驱动的时空-上下文三重聚合和实现算法，用于转换KG以渲染基础的自然语言场景描述。考虑到场景理解对于洪水期间遥感场景做出明智决策的重要性，我们选择它作为测试方案，以证明该框架的实用性。在这方面，已经开发出包含洪水现场本体（FSO）的上下文领域知识。广泛的实验评估显示出令人鼓舞的结果，进一步验证了该框架的有效性。构成新颖的本体驱动的时空-上下文三重聚合和实现算法，用于转换KG以渲染基础的自然语言场景描述。考虑到场景理解对于洪水期间遥感场景做出明智决策的重要性，我们选择它作为测试方案，以证明该框架的实用性。在这方面，已经开发出包含洪水现场本体（FSO）的上下文领域知识。广泛的实验评估显示出令人鼓舞的结果，进一步验证了该框架的有效性。构成新颖的本体驱动的时空-上下文三重聚合和实现算法，用于转换KG以渲染基础的自然语言场景描述。考虑到场景理解对于洪水期间遥感场景做出明智决策的重要性，我们选择它作为测试方案，以证明该框架的实用性。在这方面，已经开发出包含洪水现场本体（FSO）的上下文领域知识。广泛的实验评估显示出令人鼓舞的结果，进一步验证了该框架的有效性。演示此框架的实用性。在这方面，已经开发出包含洪水现场本体（FSO）的上下文领域知识。广泛的实验评估显示出令人鼓舞的结果，进一步验证了该框架的有效性。演示此框架的实用性。在这方面，已经开发出包含洪水现场本体（FSO）的上下文领域知识。广泛的实验评估显示出令人鼓舞的结果，进一步验证了该框架的有效性。