中国科学院生物物理研究所、中国科学院地理科学与资源研究所、中国科学院计算机网络信息中心等单位的专家和相关人员参会。国家基础数据中心主任胡良霖主持会议。

　　会议上，胡良霖首先介绍初审情况，明确了评审要求。然后由专家组组长主持新建数据库课题专家评审会议。7个进入答辩环节的申请课题逐一汇报，接受了专家质询。

　　会议现场

　　经过专家组现场投票，世界山茶属植物品种数据库、面向农业图像理解的机器学习数据集、环境污染与健康主题数据库、中国海岸带植物资源数据库、医学物理数据库等五个数据库入选国家基础数据中心，获得经费支持。

　随着对地观测技术的显着发展和进步，遥感数据保持快速增长，数据量已达到EB级。针对管理和处理如此大量结构复杂多样的遥感数据所面临的挑战，团队设计并实现了一种用于大规模遥感数据存储、访问和检索的分布式存储系统RSIMS。RSIMS由三个子模块组成：RSIAPI、RSIMeta、RSIData。遥感影像的元数据统一存储在RSIMeta中，通过分布式多级希尔伯特网格进行索引，以实现高时空检索性能。非结构化二进制图像文件存储在 RSIData中。RSIData提供了大的可扩展存储容量和高效的 GDAL（地理空间数据抽象库）兼容 I/O 接口，使得流行的GIS 软件和工具（例如 QGIS、ArcGIS、rasterio）可以直接访问存储在 RSIData中的数据。 RSIAPI为用户提供了一套统一的数据访问和检索接口，隐藏了RSIMS复杂的内部结构。测试结果表明，RSIMS可以存储和管理来自各种来源的大量遥感图像，性能高且稳定，并且易于部署和使用。相关工作发表在SCI期刊《Remote Sensing》上，该刊2021年影响因子为4.509。

　　相关论文： RSIMS: Large-Scale Heterogeneous Remote Sensing Images Management System. 

　　图像超分辨率重建 (SISR) 是基于低空间分辨率的遥感影像生成具有精细空间分辨率的高分辨率图像。最近，深度学习和生成对抗网络（GAN）在图像超分辨率重建这一具有挑战性的任务上取得了突破。然而，生成的图像仍然存在不受欢迎的伪影，例如缺乏纹理特征表示和高频信息。团队提出了一种基于频域的时空遥感图像超分辨率重建技术，以在各种频段 (TWIST-GAN) 上结合生成对抗网络 (GAN) 重建高分图像。团队引入了一种结合小波变换 (WT) 特征和转移生成对抗网络的新方法。