遙感影像大眾獲取困難、個人電腦算力受限以及遙感處理分析專業性強等因素，制約著遙感大眾化的應用和推廣。針對以上難題，美國Google公司與卡內基美隆大學和美國地質調查局共同研發并發布了谷歌地球引擎GoogleEarthEngine，實現了全球范圍內海量遙感數據的并行處理，為遙感大數據分析提供支撐。該平臺的推出極大地提升了國外遙感大眾化應用的水平，但是由于特定原因，目前國內科研人員無法直接使用GoogleEarthEngine來做科學研究，同時該國外系統中也沒有接入國內的主要衛星遙感數據。為了進一步推動國內遙感技術發展并提升遙感大眾化應用水平，研發同類國產軟件系統產品是大勢所趨。航天宏圖依靠多年在遙感行業的技術積累，原生創造了遙感計算云服務平臺PIE-Engine。

PIE-Engine作為PIECloud產品家族的重要組成部分，是一個集實時分布式計算、交互式分析和數據可視化為一體的在線遙感云計算開放平臺，主要面向遙感科研工作人員、教育工作者、工程技術人員以及相關行業用戶。它基于云計算技術，匯集遙感數據資源和大規模算力資源，通過在線的按需實時計算方式，大幅降低遙感科研人員和遙感工程人員的時間成本和資源成本。用戶僅需要通過基礎的編程就能完成從遙感數據準備到分布式計算的全過程，這使廣大遙感技術人員更加專注于遙感理論模型和應用方法的研究，在更短的時間產生更大的科研價值和工程價值。

PIE-Engine是面向所有遙感用戶的公眾服務平臺，不但提供國外的Landsat系列、Sentinel系列衛星遙感數據和國內的高分系列、環境系列、資源系列等衛星遙感數據的訪問接口，還包含了大量的遙感通用算法和專題算法。如基于多時相的Landsat和Sentinel數據，可以實時進行作物長勢監測、地區旱情分析、水體變化分析、城鎮變化監測等分析處理。

PIE-Engine以在線編程為主要使用模式，提供了完善的在線開發環境，包括資源搜索模塊、代碼存儲模塊、代碼編輯模塊、運行交互模塊、地圖展示模塊等。

下面以北京地區植被覆蓋情況和東北某地作物長勢狀況分析來展示一下PIE-Engine的計算能力。

實例一：北京地區植被覆蓋情況

北京地區植被覆蓋情況分析主要是利用多張影像融合計算NDVI植被指數，分析植被覆蓋度情況。在這個例子中首先使用時間和區域條件過濾得到多時態的40多景Landsat8影像，同時基于云量波段實現去云融合，然后針對結果影像計算NDVI指數，最后以北京行政區劃矢量裁剪得到最終結果。上述過程全部在云端采用分布式實時計算，PIE-Engine總計算時間小于10秒。用戶如果對于某個特定位置的指數值感興趣，只需用鼠標點擊該位置，PIE-Engine將會按需實時計算該位置的NDVI值，并在信息窗口中輸出結果。

實例二：植被長勢監測

在這個實例中，PIE-Engine利用了指定區域2017年的所有影像(總共30多景)，經過實時的去云融合、植被指數計算和區域聚合統計得到了指定范圍內的植被指數列表，最終繪制出了該區域的植被長勢狀況變化圖，系統運行時間不到20秒。通過分析結果，可以看到PIE-Engine除了在后臺提供實時分布式計算能力外，同樣提供了較為豐富的前端開發和可視化能力。

上述范例只是應用PIE-Engine進行遙感專題計算的基礎范例，更多的應用需要用戶自己在平臺上探索和挖掘。PIE-Engine改變了傳統遙感影像分析應用的開發形式，降低了技術門檻，用戶不用過多關心數據來源、數據存儲、資源算力等基礎因素，可以更加專注于遙感模型開發、遙感教學實踐和行業應用研究，真正實現了“科技改變世界·遙感走進生活”。