2、核心岗位解析（上）：算法工程师与软件开发工程师
各位同学，今天我们来聊聊遥感行业里两个最核心的技术岗位。说实话，我入行那会儿，这两个岗位的边界还挺模糊的。但现在不一样了，分工越来越细，要求也越来越高。
我个人习惯把这两个岗位比作「大脑」和「手脚」。算法工程师负责思考——怎么从图像里提取信息；软件开发工程师负责实现——怎么把这些能力做成好用的工具。你想想看，缺了哪个都不行。
一、算法工程师（遥感图像处理 & AI 解译）
算法工程师，说白了就是跟像素打交道的人。我们每天面对的不是代码，而是卫星拍回来的海量影像。你要做的，就是教会计算机看懂这些图像。
1. 遥感图像处理方向
这个方向更传统一些，但基础非常扎实。主要工作包括辐射定标、大气校正、几何校正、图像融合、特征提取等等。
核心技能要求：
- 遥感物理基础：理解电磁波谱、地物光谱特性。我记得刚入行时，领导让我分析一个水库的水质，我愣是搞混了近红外和短波红外的反射特征，结果模型完全跑偏。嗯，从那以后我老老实实把光谱库背了一遍。
- 数学功底：矩阵运算、统计方法、傅里叶变换。别怕，工作中常用的其实就那几样。
- 编程能力：Python 是标配，C++ 是加分项。GDAL、OpenCV、NumPy 这些库要玩得转。
典型工作场景：
你拿到一景 Landsat 8 影像，需要先做大气校正去除云雾影响，然后计算 NDVI 植被指数，最后生成一张植被覆盖度图。整个过程涉及辐射传输模型、波段运算、图像裁剪拼接——全是基本功。
2. AI 解译方向
这个方向是近五年的风口。说白了就是用深度学习模型自动识别遥感图像里的地物——房子、道路、农田、水体……
核心技能要求：
- 深度学习框架：PyTorch 是主流，TensorFlow 也有不少存量项目。我个人更推荐 PyTorch，调试起来方便。
- 计算机视觉知识：CNN、Transformer、语义分割、目标检测、实例分割。U-Net 是遥感分割的基石，你得吃透。
- 数据处理能力：遥感数据动不动就是 GB 级别，你得会切片、增强、归一化。我曾经因为数据预处理少做了一步归一化，模型训了三天结果全是噪声……
避坑指南：
我曾经接手过一个项目，客户要求用 AI 识别违章建筑。团队直接拿公开数据集训练，结果到现场一测，准确率不到 30%。为什么？因为卫星影像的拍摄角度、光照条件、建筑风格跟训练数据完全不一样。所以做遥感 AI，数据分布匹配比模型结构更重要。
一个典型的 AI 解译流程：
# 伪代码示例：遥感语义分割
1. 加载高分影像（RGB + NIR 四波段）
2. 图像切片（512x512，重叠 50%）
3. 数据增强（旋转、翻转、色彩抖动）
4. 加载预训练 U-Net 模型（ResNet50 编码器）
5. 训练 100 个 epoch，学习率 1e-4
6. 推理时做滑动窗口预测 + 拼接
7. 后处理：CRF 平滑、小图斑去除
8. 输出：地物分类 GeoTIFF二、软件开发工程师（GIS 开发、WebGIS、后端）
算法工程师把图像变成了信息，但信息要让人用起来，还得靠软件开发工程师。说白了，你得把那些复杂的遥感能力封装成好用的软件或服务。
1. GIS 开发方向
这是遥感行业最传统的开发岗位。主要做桌面端或服务端的 GIS 功能开发，比如地图显示、空间查询、缓冲区分析、叠加分析等。
核心技能要求：
- GIS 基础：坐标系、投影、矢量/栅格数据模型。你想想看，如果坐标系搞错了，北京的房子可能显示到天津去了。
- 开发语言：C#（ArcGIS 二次开发）、Python（QGIS 插件）、Java（GeoServer 扩展）。
- 空间数据库：PostGIS 是必学的。我见过太多人用 MySQL 存空间数据，结果查询慢得让人崩溃。
典型工作场景：
开发一个土地利用变化监测系统。你需要从 PostGIS 读取两期分类结果，做叠加分析找出变化区域，然后生成统计报表和变化图斑。整个过程涉及空间 SQL、地图渲染、结果导出。
2. WebGIS 方向
现在谁还装桌面软件啊？WebGIS 才是主流。把地图搬到浏览器里，用户打开网页就能看、能查、能分析。
核心技能要求：
- 前端技术：HTML/CSS/JavaScript 是基础。Mapbox GL JS、Leaflet、OpenLayers 三选一学透。
- 地图服务：了解 WMTS、WMS、WFS、TMS 这些协议。说白了就是知道浏览器怎么跟服务器要地图数据。
- 性能优化：矢量瓦片、数据聚合、懒加载。我曾经做一个全国 POI 展示页面，直接加载 100 万个点，浏览器直接卡死。后来改用矢量瓦片 + 聚合，流畅得飞起。
避坑指南：
做 WebGIS 最容易踩的坑是坐标系混乱。前端通常用 WGS84（经纬度）或 Web Mercator，后端可能是 CGCS2000 或西安 80。我曾经因为前后端坐标系没统一，结果地图上的图层错位了整整 500 米……排查了两天才发现是投影参数写错了。
3. 后端开发方向
后端是承上启下的角色。前端要数据，你给；算法要部署，你接；用户要下载，你管。
核心技能要求：
- 服务端语言：Java（Spring Boot）、Python（FastAPI/Flask）、Go。我个人习惯用 Python 做原型，Java 做生产。
- 架构设计：RESTful API、微服务、消息队列。遥感数据量大，异步处理是常态。
- 存储技术：关系型数据库（PostgreSQL）、对象存储（MinIO/S3）、缓存（Redis）。
典型工作场景：
设计一个遥感影像在线处理平台。用户上传一张影像，后端接收后丢进消息队列，算法服务消费后处理，结果存到 MinIO，最后通过 API 返回下载链接。整个过程涉及文件分片上传、任务调度、状态回调——全是后端基本功。
三、两个岗位的对比与选择
| 对比维度 | 算法工程师 | 软件开发工程师 |
|---|---|---|
| 核心产出 | 模型、算法、处理流程 | 系统、平台、API 服务 |
| 编程语言 | Python、C++、MATLAB | Java、C#、JavaScript、Go |
| 数学要求 | 高（线性代数、概率论、优化） | 中（数据结构、算法设计） |
| 遥感知识 | 深（物理机理、传感器特性） | 广（数据格式、服务标准、坐标系） |
| 入门门槛 | 较高（通常需要硕士以上） | 中等（本科即可，重实践） |
| 职业天花板 | 技术专家、首席科学家 | 架构师、技术总监 |
怎么选？我个人建议：如果你数学底子好，喜欢钻研「为什么」，算法岗更适合你；如果你喜欢搭系统、做产品，看到用户用你做的软件干活有成就感，那开发岗更对口。
当然，现在很多公司要求「全栈遥感人才」——算法能调模型，开发能写接口。嗯，这确实有点卷，但反过来想，懂算法的开发者和懂开发的算法工程师，在市场上都特别吃香。
重要提醒：
不管选哪个方向，动手实践永远是第一位的。我见过太多简历上写着「熟悉遥感图像处理」，结果连 ENVI 都没装过的候选人。别光看书，去下载一景 Sentinel-2 数据，自己跑一遍处理流程，比看十篇论文都有用。