王 權(quán)，尤淑撐

自然資源部國土衛(wèi)星遙感應(yīng)用中心，北京 100048

按觀測對象不同，遙感衛(wèi)星可劃分為陸地、氣象、海洋和環(huán)境等衛(wèi)星系列。目前，我國陸地衛(wèi)星主要觀測要素包括地形地貌、土地利用、土地覆蓋、溫度和重力場及其變化狀況，通過綜合利用各種尺度可見光、高光譜、激光測高、熱紅外、雷達(dá)和重力測量等載荷組成不同型譜的衛(wèi)星星座，形成年、季、月、日、小時等不同時間分辨率的數(shù)據(jù)獲取能力，滿足全球、全要素、全尺度、全天候、全天時的對地觀測需求，為自然資源保護(hù)、國土空間規(guī)劃實施監(jiān)督和全球變化研究等提供數(shù)據(jù)、信息、技術(shù)等業(yè)務(wù)支撐。

從1999年我國發(fā)射第一顆陸地衛(wèi)星中巴資源衛(wèi)星01星(CBERS-01)以來，陸地衛(wèi)星遙感得到快速發(fā)展，應(yīng)用能力和水平逐步提升，已經(jīng)成為資源環(huán)境調(diào)查、監(jiān)測、評價和管理等不可或缺的技術(shù)手段[1]。2011年發(fā)射的資源一號02C星實現(xiàn)民用陸地遙感應(yīng)用從科研試驗型向業(yè)務(wù)應(yīng)用型的轉(zhuǎn)變；2012年發(fā)射的資源三號01星開創(chuàng)了衛(wèi)星測繪新階段；2018年發(fā)射的3顆2 m/8 m衛(wèi)星星座實現(xiàn)了我國陸地遙感監(jiān)測能力躍升，實現(xiàn)了自然資源領(lǐng)域衛(wèi)星遙感監(jiān)測常態(tài)化業(yè)務(wù)應(yīng)用。近年來，陸地衛(wèi)星觀測體現(xiàn)不斷健全完善，涵蓋光學(xué)、高光譜、激光等多種載荷類型，其中2 m級衛(wèi)星具備全國陸域范圍季度有效覆蓋能力，為全天候、全要素、全流程監(jiān)測提供了重要數(shù)據(jù)基礎(chǔ)。

本文針對我國自然資源管理及全球變化研究對快速掌握各類資源動態(tài)變化信息的迫切需求，基于當(dāng)前我國陸地衛(wèi)星遙感能力，充分運用大數(shù)據(jù)、人工智能、云計算等高新技術(shù)開展了衛(wèi)星遙感監(jiān)測體系研究，在突破監(jiān)測關(guān)鍵技術(shù)的基礎(chǔ)上，建立了業(yè)務(wù)化運行流程，在自然資源領(lǐng)域?qū)崿F(xiàn)了全國季度、重點區(qū)域月度和特定目標(biāo)即時監(jiān)測能力，較好地滿足了自然資源管理等對大區(qū)域、高頻次、多元遙感信息的需求[2]，為揭示自然資源相互關(guān)系和演替規(guī)律，以及支撐山水林田湖草的整體保護(hù)、系統(tǒng)修復(fù)和綜合治理[3]等新需求提供了重要的遙感信息產(chǎn)品。

1 監(jiān)測體系設(shè)計

1.1 總體監(jiān)測框架

陸地衛(wèi)星遙感監(jiān)測是對土地利用、土地覆蓋與人類活動及其相互作用結(jié)果按一定時間周期和空間尺度進(jìn)行動態(tài)觀測，從數(shù)量、質(zhì)量和生態(tài)3個維度表征各類監(jiān)測對象及其變化狀況。

針對我國自然資源保護(hù)、國土空間規(guī)劃實施監(jiān)督、生態(tài)修復(fù)及全球變化研究等對土地利用、土地覆蓋及其相關(guān)地表參數(shù)指標(biāo)動態(tài)變化信息的需求，根據(jù)當(dāng)前我國陸地衛(wèi)星數(shù)據(jù)覆蓋及監(jiān)測能力，陸地衛(wèi)星遙感監(jiān)測體系包括全球宏觀尺度監(jiān)測和我國陸域范圍季度監(jiān)測、重點區(qū)域月度監(jiān)測及重大事件的即時應(yīng)急監(jiān)測，總體框架[3-5]包括全區(qū)域監(jiān)測、全尺度監(jiān)測、全要素解譯、全流程控制和全生命周期管理等核心內(nèi)容，如圖1所示。

圖1 陸地衛(wèi)星遙感監(jiān)測體系總體框架

(1)全區(qū)域監(jiān)測。針對全球范圍，利用我國陸地衛(wèi)星全球覆蓋及高分一號16 m等中分辨率衛(wèi)星可年度覆蓋全球主要陸域的能力，開展建設(shè)用地、農(nóng)業(yè)用地、林地、草地、水體、濕地等土地利用、土地覆蓋類型宏觀變化監(jiān)測。針對我國陸域范圍，按區(qū)域分類型按需開展自然資源保護(hù)、國土空間規(guī)劃實施監(jiān)督、生態(tài)修復(fù)等專題監(jiān)測。

(2)全尺度監(jiān)測。針對不同監(jiān)測頻次要求，綜合應(yīng)用亞米，2、10、16 m等多尺度衛(wèi)星數(shù)據(jù)開展多尺度監(jiān)測，形成月度、季度、年度序列化監(jiān)測產(chǎn)品。利用2 m級國產(chǎn)衛(wèi)星全國季度覆蓋能力，開展全國陸域范圍內(nèi)400 m2以上土地利用、土地覆蓋等要素變化監(jiān)測；利用亞米級衛(wèi)星數(shù)據(jù)開展重點區(qū)域精細(xì)化監(jiān)測，并采用多尺度衛(wèi)星協(xié)同開展月度或更高頻次變化監(jiān)測和自然資源典型要素參數(shù)的定量反演；發(fā)揮陸地衛(wèi)星虛擬星座和敏捷衛(wèi)星靈活機動等優(yōu)勢開展即時監(jiān)測，對重大違法事件和重大自然災(zāi)害等開展應(yīng)急監(jiān)測，實現(xiàn)7×24即時響應(yīng)[6]；通過光學(xué)和雷達(dá)的協(xié)同應(yīng)用，有效保證多云多雨多霧地區(qū)的數(shù)據(jù)覆蓋，實現(xiàn)全天候觀測；通過熱紅外、夜光等數(shù)據(jù)高頻次覆蓋和兼具白天、夜間成像能力，實現(xiàn)對森林火災(zāi)等全天時觀測。

(3)全要素解譯。充分利用可見光、高光譜、激光測高、熱紅外、雷達(dá)和重力等多型譜衛(wèi)星數(shù)據(jù)，開展全要素變化監(jiān)測，核心要素指標(biāo)見表1。其中，數(shù)量指標(biāo)包括土地利用/土地覆蓋等要素類型的空間分布、邊界、范圍和面積，質(zhì)量指標(biāo)包括耕地種植狀況、植被長勢、水質(zhì)、土壤狀況等信息，生態(tài)指標(biāo)包括生態(tài)系統(tǒng)服務(wù)功能相關(guān)的各類地表參數(shù)[7-10]。

表1 陸地監(jiān)測核心指標(biāo)一覽表

(4)全流程控制。建立監(jiān)測圖斑全流程處理模式，實現(xiàn)信息提取、內(nèi)業(yè)核實、外業(yè)驗證和在線核查等應(yīng)用處理環(huán)節(jié)有效銜接，采用區(qū)塊鏈等技術(shù)實現(xiàn)監(jiān)測圖斑處理過程的安全可控，確保監(jiān)測信息產(chǎn)品流轉(zhuǎn)過程可追蹤、可回溯和責(zé)任可追究，保證監(jiān)測成果質(zhì)量可靠。

(5)全生命周期管理。采用面向?qū)ο蠓椒ê徒y(tǒng)一建模語言(UML)，對各類監(jiān)測信息產(chǎn)品進(jìn)行自動化質(zhì)量檢查、對象化處理、數(shù)據(jù)入庫及關(guān)聯(lián)關(guān)系建立等處理，構(gòu)建統(tǒng)一存儲管理的監(jiān)測成果數(shù)據(jù)庫，包括月度、季度、半年、年度等序列影像產(chǎn)品數(shù)據(jù)、多源多載荷數(shù)據(jù)協(xié)同定量反演參數(shù)指標(biāo)集、全要素地類樣本數(shù)據(jù)和知識圖譜，以及自然資源全要素、全尺度和即時監(jiān)測信息產(chǎn)品。在此基礎(chǔ)上，針對自然資源業(yè)務(wù)應(yīng)用需求建立監(jiān)測信息管理模型，對監(jiān)測圖斑的發(fā)生和演變情況進(jìn)行全生命周期管理，支撐事前預(yù)警、事中跟蹤和事后評估等監(jiān)測預(yù)警及監(jiān)管等應(yīng)用。

1.2 技術(shù)流程設(shè)計

基于大數(shù)據(jù)、人工智能、云計算等新技術(shù)建立遙感監(jiān)測業(yè)務(wù)化流程，總體技術(shù)思路包括：采用虛擬衛(wèi)星星座技術(shù)對同類型衛(wèi)星資源進(jìn)行整合，通過成像任務(wù)統(tǒng)籌和成像任務(wù)智能規(guī)劃，保障監(jiān)測所需影像數(shù)據(jù)；集成多源多載荷衛(wèi)星數(shù)據(jù)處理模型算法，建立遙感影像數(shù)據(jù)自動化生產(chǎn)體系，實現(xiàn)在軌陸地衛(wèi)星數(shù)據(jù)的當(dāng)天數(shù)據(jù)、當(dāng)天處理和當(dāng)天質(zhì)檢；通過深度學(xué)習(xí)等人工智能技術(shù)和專家知識的融合，實現(xiàn)變化信息的主動發(fā)現(xiàn)和快速提??；采用云服務(wù)技術(shù)和大數(shù)據(jù)用戶畫像構(gòu)建技術(shù)，實現(xiàn)各類監(jiān)測信息的主動推送和精準(zhǔn)服務(wù)，為自然資源管理和全社會提供在線共享服務(wù)。

具體技術(shù)流程包括影像獲取、數(shù)據(jù)處理、信息提取、圖斑編輯與分析、質(zhì)量檢查和成果入庫等環(huán)節(jié)，如圖2所示。首先，根據(jù)需求編制衛(wèi)星任務(wù)規(guī)劃，統(tǒng)籌獲取多源衛(wèi)星數(shù)據(jù)；每日對接收的原始影像進(jìn)行正射處理、有效數(shù)據(jù)篩選、色彩增強、緩存處理、數(shù)據(jù)服務(wù)發(fā)布及增量式更新等處理，制作符合監(jiān)測要求的監(jiān)測底圖。然后，應(yīng)用深度學(xué)習(xí)技術(shù)構(gòu)建變化圖斑及特定目標(biāo)信息自動提取技術(shù)，開展信息自動提取，通過人機交互方式逐圖斑核實，對自動提取的監(jiān)測圖斑進(jìn)行復(fù)核編輯，剔除偽圖斑、補充遺漏圖斑、標(biāo)記圖斑屬性和修正圖斑邊界；通過集中式自動質(zhì)檢和分布式人機交互質(zhì)量檢查相結(jié)合方式，完成監(jiān)測成果質(zhì)檢、匯交、歸檔與建庫。最后，將監(jiān)測圖斑與永久基本農(nóng)田、城市開發(fā)邊界、生態(tài)保護(hù)紅線等數(shù)據(jù)進(jìn)行套合分析，形成專題統(tǒng)計分析成果[11-13]。

圖2 陸地衛(wèi)星遙感監(jiān)測技術(shù)流程

2 關(guān)鍵技術(shù)研究

陸地衛(wèi)星遙感監(jiān)測技術(shù)體系構(gòu)建的關(guān)鍵是實現(xiàn)衛(wèi)星數(shù)據(jù)自動處理、信息智能提取和在線應(yīng)用服務(wù)。針對自然資源衛(wèi)星遙感監(jiān)測，重點突破基于工作流的監(jiān)測生產(chǎn)線智能流轉(zhuǎn)與可插拔模塊調(diào)度控制、遙感影像樣本知識庫構(gòu)建、復(fù)雜場景自然資源變化自動提取、自然資源特定目標(biāo)自動提取和自然資源變化圖斑全生命周期管理等技術(shù)。

2.1 基于工作流的監(jiān)測生產(chǎn)線智能流轉(zhuǎn)與可插拔模塊調(diào)度控制技術(shù)

要實現(xiàn)在軌陸地衛(wèi)星當(dāng)天數(shù)據(jù)當(dāng)天處理，每日數(shù)據(jù)處理量大，如僅2 m級影像每日數(shù)據(jù)處理量近600景，約200萬km2，需要建立高度集成化的影像處理生產(chǎn)線。為實現(xiàn)監(jiān)測信息產(chǎn)品批量化、自動化和定制化生產(chǎn)，采用基于工作流的監(jiān)測生產(chǎn)線構(gòu)建技術(shù)，即根據(jù)陸地衛(wèi)星遙感監(jiān)測技術(shù)流程將數(shù)據(jù)處理過程劃分為5個大流程、25個小環(huán)節(jié)，針對每個環(huán)節(jié)進(jìn)行模型算法封裝，形成相對獨立的處理單元，通過可插拔模塊調(diào)度控制技術(shù)實現(xiàn)靈活可控的調(diào)度機制，建立集衛(wèi)星數(shù)據(jù)預(yù)處理、自動信息提取、人機協(xié)同編輯、成果建庫及應(yīng)用服務(wù)于一體的衛(wèi)星遙感監(jiān)測全鏈條生產(chǎn)線(圖3)，達(dá)到整個生產(chǎn)線的自動化運行、積木式組裝、多點并行和多終端調(diào)度，滿足各類陸地遙感監(jiān)測的定制化應(yīng)用需求。

圖3 可插拔式模塊調(diào)度控制技術(shù)流程

該項技術(shù)實現(xiàn)了影像自動優(yōu)選、監(jiān)測底圖增量式更新、監(jiān)測任務(wù)自動流轉(zhuǎn)、數(shù)據(jù)模板化統(tǒng)計分析和信息自動入庫。將全國每季度2 m級有效影像從約300 TB處理成0.5 TB影像底圖服務(wù)，影像數(shù)據(jù)流轉(zhuǎn)時間從15 d以上縮減到30 h以內(nèi)；構(gòu)建了自動提取和人機交互方式相結(jié)合的變化信息協(xié)同提取方法，實現(xiàn)了監(jiān)測全流程監(jiān)控和成果自動化流轉(zhuǎn)，形成了每日30萬km2以上遙感監(jiān)測作業(yè)生產(chǎn)能力，較以往作業(yè)方式效率提高了3～5倍。

2.2 遙感影像樣本知識庫構(gòu)建技術(shù)

我國幅員遼闊，自然資源種類多樣，不同自然資源類型影像特征存在時空差異，為保證自動信息提取結(jié)果的高精度和高可靠性，需要采用深度學(xué)習(xí)等高穩(wěn)健性智能解譯技術(shù)，構(gòu)建高質(zhì)量遙感影像樣本知識庫。為了保證樣本質(zhì)量，①按全國自然地理分區(qū)、遙感衛(wèi)星載荷類型和各種自然資源類型影像時空變化特征，按遙感衛(wèi)星載荷類型進(jìn)行分區(qū)域、分類型樣本采集；②采用深度對抗網(wǎng)絡(luò)(GAN)、遷移學(xué)習(xí)等技術(shù)，對遙感影像進(jìn)行云、霧消除和輻射一致性處理，減少不同來源衛(wèi)星影像數(shù)據(jù)差異；③按照統(tǒng)一技術(shù)標(biāo)準(zhǔn)進(jìn)行樣本采集，要求樣本圖斑影像紋理清晰、特征明顯，采集的圖斑邊界與對應(yīng)影像套合精度小于2個像素，要求不同樣本圖斑無重疊；④采用已有國土調(diào)查數(shù)據(jù)及眾源語義知識等數(shù)據(jù)進(jìn)行補充；⑤在樣本數(shù)量不足情況下，為提高模型的可推廣性，以高質(zhì)量樣本為基礎(chǔ)進(jìn)行適度樣本增廣。同時，應(yīng)用地物知識庫進(jìn)行輔助推理，解決極個別地區(qū)的樣本缺乏問題。

(1)樣本采集。在分析典型自然資源地類目標(biāo)在不同時相、尺度、類型遙感圖像上的光譜、紋理、形狀、幾何拓?fù)洹⒖臻g上下文關(guān)系等特征信息基礎(chǔ)上，建立樣本采集標(biāo)準(zhǔn)。變化檢測樣本包括前時相、后時相影像數(shù)據(jù)和對應(yīng)變化類型數(shù)據(jù)，2 m級變化檢測樣本影像行列數(shù)采用512×512，要素分割樣本行列數(shù)采用1024×1024。

(2)樣本增廣。針對采集樣本，也可通過平移、旋轉(zhuǎn)、翻轉(zhuǎn)、縮放、增加噪音、亮度拉伸、色彩變換、拼接、填充、疊置等處理，以及訓(xùn)練具有自組織、自生成能力的模擬樣本生成模型，獲得多樣化學(xué)習(xí)樣本，為提升模型泛化能力奠定基礎(chǔ)。增廣比例一般不大于50%。

(3)地物知識庫構(gòu)建。通過對已有土地利用、土地覆蓋產(chǎn)品、地學(xué)知識文檔的知識抽取、知識表示、知識融合等處理形成知識庫，實現(xiàn)對深度學(xué)習(xí)網(wǎng)絡(luò)地物智能解譯的輔助推理。

2.3 復(fù)雜場景自然資源變化自動提取技術(shù)

自然資源變化信息提取主要針對新增建構(gòu)筑物、新增推填土、新增線性地物、新增高爾夫球場、新增光伏用地等建設(shè)用地變化，以及耕地、園地、林地、草地、水域、濕地等變化狀況，應(yīng)用場景相對復(fù)雜，大區(qū)域范圍提取結(jié)果存在大量偽變化。主要技術(shù)解決方案為：①針對復(fù)雜應(yīng)用場景中變化目標(biāo)尺度多變，部分變化目標(biāo)較小且表現(xiàn)為數(shù)據(jù)稀疏問題，采用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)按照不同地物特征分別構(gòu)建變化提取模型；②以任務(wù)需求和應(yīng)用目標(biāo)為導(dǎo)向，建立業(yè)務(wù)化應(yīng)用技術(shù)流程，充分利用業(yè)務(wù)數(shù)據(jù)和先驗知識去除偽變化，包括任務(wù)規(guī)劃、影像配對、變化圖斑提取、面向?qū)ο笕?、矢量化、成果質(zhì)檢與歸檔等環(huán)節(jié)，如圖4所示。

圖4 變化自動提取業(yè)務(wù)化技術(shù)流程

(1)任務(wù)規(guī)劃。綜合運用遙感技術(shù)、地理信息技術(shù)、計算機技術(shù)等，構(gòu)建任務(wù)規(guī)劃功能，實現(xiàn)對多任務(wù)區(qū)、多類型文件的任務(wù)數(shù)據(jù)批量優(yōu)選。

任務(wù)規(guī)劃主要將后期影像范圍文件與前期影像范圍進(jìn)行比對分析，實現(xiàn)對任務(wù)所需影像數(shù)據(jù)的快速篩選和管理。

(2)影像自動配對。依據(jù)任務(wù)規(guī)劃文件確定兩期影像的關(guān)聯(lián)關(guān)系、多幅影像間的重疊關(guān)系，根據(jù)后時相影像范圍對前時相對應(yīng)影像進(jìn)行鑲嵌處理，保證兩期影像空間范圍一致。

(3)變化信息提取。以PyTorch等主流框架為基礎(chǔ)，采用Efficientnet、ResNet[14]等特征提取骨干網(wǎng)，組建編碼器-解碼器結(jié)構(gòu)的語義分割模型，如U-Net[15]、PSPNet[16]、DeeplabV3+[17]等，并結(jié)合Siamese孿生網(wǎng)絡(luò)[18]思想，構(gòu)建了深度神經(jīng)網(wǎng)絡(luò)遙感變化信息提取框架，如圖5所示。通過特征提取、決策模型、模型訓(xùn)練、配置文件、模型處理等，開展自然資源變化信息自動提取。

圖5 深度神經(jīng)網(wǎng)絡(luò)遙感變化信息提取框架

(4)面向?qū)ο笕?。針對前后時相影像在數(shù)據(jù)源、輻射差異、色彩差異等問題導(dǎo)致的偽變化，引進(jìn)時序影像對比統(tǒng)計策略，利用關(guān)鍵特征因子進(jìn)行相似性判斷，基于面積、狹長度、緊致度、亮度、植被覆蓋度等形態(tài)學(xué)特征限制及相似性指標(biāo)進(jìn)行小圖斑/偽圖斑去除。

(5)成果矢量化。針對深度學(xué)習(xí)提取變化圖斑的概率柵格圖進(jìn)行矢量化處理，包括二值化、最大最小分析、去小面和矢量的抽稀平滑處理等。

(6)成果質(zhì)檢與歸檔。包括圖形檢查、屬性更新、屬性檢查、月度合成、季度合成及按需求定制合成等。

該項技術(shù)針對2 m級衛(wèi)星影像，變化信息自動提取正確率達(dá)到80%左右，具備每天處理500景對以上衛(wèi)星影像變化信息提取，實現(xiàn)了當(dāng)天數(shù)據(jù)當(dāng)天處理。

2.4 自然資源特定目標(biāo)自動提取技術(shù)

自然資源特定目標(biāo)主要是專題性監(jiān)測中關(guān)注的別墅、高爾夫球場、光伏用地、大棚房等特定地物。特定目標(biāo)監(jiān)測通常在大區(qū)域范圍下進(jìn)行提取，目標(biāo)樣本數(shù)量相對較少，主要通過多維樣本增強、自動提取模型選取和小樣本條件下深度學(xué)習(xí)模型迭代等方式提高檢測精度。

(1)多維樣本增強。數(shù)據(jù)樣本的多樣性對于提高算法模型的精度和泛化能力非常關(guān)鍵。多維樣本增強主要包括常規(guī)增強、輻射增強和樣本泛化等方面。常規(guī)數(shù)據(jù)增強包括隨機幾何變換和隨機顏色抖動兩種，輻射增強包括直方圖均衡化增強、基于拉普拉斯算子的圖像增強、基于對象Log變換的圖像增強以及基于伽馬變換的圖像增強等方式，樣本泛化的主要實現(xiàn)方式是通過增加負(fù)樣本的數(shù)量，降低誤檢測率、誤識別率。

(2)自動提取模型構(gòu)建。面向不同自然資源要素監(jiān)測任務(wù)需求，根據(jù)要素分布特點、地表覆蓋類型和形狀結(jié)構(gòu)特征等確定深度學(xué)習(xí)模型，光伏用地檢測采用Efficientnet網(wǎng)絡(luò)，大棚和別墅識別采用DeepLabV3+模型。

(3)小樣本條件下深度學(xué)習(xí)模型優(yōu)化迭代。針對自動提取中的小樣本問題，為提高深度學(xué)習(xí)樣本構(gòu)建效率和效果，采取邊標(biāo)記樣本邊訓(xùn)練網(wǎng)絡(luò)的方式，即首先標(biāo)記少量樣本，其次快速訓(xùn)練驗證模型精度，然后根據(jù)驗證結(jié)果進(jìn)行針對性的樣本補充，最后以上步驟直到樣本數(shù)據(jù)達(dá)到應(yīng)用所需質(zhì)量要求，如圖6所示。

圖6 智能迭代訓(xùn)練流程

采用自動提取正確圖斑個數(shù)占所有自動提取圖斑個數(shù)的比例，計算提取正確率，自動提取變化圖斑和實際變化圖斑的交集面積占兩者并集面積的百分比計算面積精度對自動提取效果進(jìn)行評價。該項技術(shù)針對2 m級衛(wèi)星影像，高爾夫球場、湖泊、大棚等典型自然資源要素自動提取正確率達(dá)到80%以上，采用7臺GPU機器(每臺3張V100或6張P40顯卡)，8 d時間可完成全國一版單要素信息自動提?。凰w自動提取面積精度優(yōu)于90%，采用3臺GPU機器單景影像自動提取時間小于2 min，10 d可完成全圖一版河流、湖泊水面范圍提取。

2.5 自然資源變化圖斑全生命周期管理技術(shù)

自然資源變化圖斑全生命周期管理主要實現(xiàn)對圖斑在任意時點和任一時段時空特征、屬性狀態(tài)及處置狀況進(jìn)行追溯分析。①通過圖斑唯一編碼，精準(zhǔn)記錄圖斑時空屬性，支撐圖斑數(shù)據(jù)的身份唯一認(rèn)證。②通過變化信息數(shù)據(jù)區(qū)塊映射機制，全面記錄圖斑在不同時點上擴大、縮小、合并、分拆等幾何和屬性變化情況。③針對所有圖斑數(shù)據(jù)自動綁定生成唯一對應(yīng)的不可逆加密標(biāo)識，防止圖斑數(shù)據(jù)篡改及隨意復(fù)制等。④針對圖斑在不同時點上幾何或?qū)傩宰兓闆r構(gòu)建時空相關(guān)模型，支撐變化圖斑源頭可追溯、流向可跟蹤、信息可查詢、責(zé)任可追溯。

3 自然資源領(lǐng)域典型應(yīng)用

自然資源領(lǐng)域典型應(yīng)用包括全國自然資源執(zhí)法督查監(jiān)測、全國地表水動態(tài)變化監(jiān)測、全國冰川和永久積雪遙感監(jiān)測和應(yīng)急監(jiān)測等方面。

3.1 全國自然資源執(zhí)法督查監(jiān)測

采用2 m級衛(wèi)星數(shù)據(jù)，基于DeeplabV3+等深度學(xué)習(xí)模型的自動提取技術(shù)，每個季度對我國陸域范圍內(nèi)400 m2以上新增線狀地物、建(構(gòu))筑物、推填土、光伏用地和高爾夫用地5類要素信息開展變化信息提取，通過人機交互去偽、補漏和修正，監(jiān)測精度優(yōu)于95%。圖7為新增建設(shè)用地季度監(jiān)測結(jié)果圖，圖7(a)、(b)分別為變化前、變化后影像，紅色矢量界線為季度變化圖斑。

圖7 新增建設(shè)用地監(jiān)測

3.2 全國地表水動態(tài)變化監(jiān)測

采用2 m級衛(wèi)星數(shù)據(jù)，基于種子面擴張和深度學(xué)習(xí)結(jié)合的自動信息提取方法，針對全國1265條三級以上河流及其關(guān)聯(lián)水庫和2953個1 km2以上湖泊的水面變化開展月度信息提取，按季度形成全國四期地表水監(jiān)測產(chǎn)品，自動提取面積精度優(yōu)于90%。圖8為1970—2021年期間新疆阿克蘇庫勒湖水面面積變化監(jiān)測結(jié)果圖。

圖8 1970—2021年新疆阿克蘇庫勒湖水面面積變化監(jiān)測圖

3.3 全國冰川和永久積雪遙感監(jiān)測

綜合利用2、10、30 m多源遙感數(shù)據(jù)，基于多源時序遙感協(xié)同的冰川水資源監(jiān)測技術(shù)和多尺度時序影像冰川綜合可解譯性評價方法，采用自動分類和人機交互相結(jié)合的方式，開展了全國冰川衛(wèi)星遙感監(jiān)測，形成了2000年以來全國冰川分布與變化信息產(chǎn)品，建立了全國冰川時序遙感監(jiān)測數(shù)據(jù)庫。圖9為念青唐古拉山東段冰川2000—2015年時間段內(nèi)的縮減情況，黃色矢量界線為2000年冰川范圍，綠色矢量界線為2015年冰川范圍。

圖9 冰川面積縮減案例(念青唐古拉山東段)

3.4 應(yīng)急監(jiān)測

應(yīng)用亞米級等多源衛(wèi)星數(shù)據(jù)先后開展了安徽揚子鱷保護(hù)區(qū)監(jiān)測、遼寧自然保護(hù)區(qū)監(jiān)測、京津冀地區(qū)大棚監(jiān)測、全國“大棚房”問題專項清理整治遙感監(jiān)測、全國違建別墅專項整治遙感監(jiān)測、全國農(nóng)村亂占耕地建房專項整治遙感監(jiān)測和“曹園”重大違法用地整治遙感監(jiān)測工作，實現(xiàn)了全國性應(yīng)急監(jiān)測1個月內(nèi)完成和重點目標(biāo)應(yīng)急監(jiān)測當(dāng)天提交監(jiān)測成果的能力。圖10為全國違建別墅整治遙感監(jiān)測成果圖，紅色矢量邊界為整治范圍界線，圖10(a)為整治前別墅空間分布，圖10(b)為整治后別墅拆除情況，通過前后時相對比確定實際拆除別墅的類型、數(shù)量和面積。

圖10 全國違建別墅整治遙感監(jiān)測成果

4 結(jié) 語

本文設(shè)計了陸地衛(wèi)星遙感監(jiān)測體系，針對自然資源衛(wèi)星遙感監(jiān)測需求，提出了基于深度學(xué)習(xí)自然資源變化信息自動檢測等關(guān)鍵技術(shù)解決方案，形成了全國季度、重點區(qū)域月度及重大違法用地等特定目標(biāo)即時監(jiān)測的業(yè)務(wù)保障能力。未來針對陸地資源精準(zhǔn)監(jiān)管、可持續(xù)利用評價和全球變化應(yīng)對等需求，仍需要進(jìn)一步拓展衛(wèi)星遙感監(jiān)測深度、廣度和進(jìn)一步提升遙感監(jiān)測能力水平，持續(xù)健全完善陸地衛(wèi)星監(jiān)測體系。具體包括如下內(nèi)容。

(1)持續(xù)加強陸地衛(wèi)星遙感監(jiān)測能力建設(shè)。進(jìn)一步提升自動變化發(fā)現(xiàn)和信息提取的業(yè)務(wù)化支撐能力，拓展樣本知識庫，提高建設(shè)用地、耕地、園地、林地、草地、濕地等自然資源全要素信息智能化提取精度、效率和能力，全面提升監(jiān)測自動化和智能化水平，不斷適應(yīng)國產(chǎn)衛(wèi)星數(shù)據(jù)的爆炸式增長，并逐步滿足自然資源管理等對高質(zhì)量衛(wèi)星遙感信息產(chǎn)品的需求。

(2)開展多源多載荷數(shù)據(jù)協(xié)同監(jiān)測應(yīng)用研究。隨著我國陸地衛(wèi)星觀測體系的健全完善，多平臺、多載荷、多尺度影像數(shù)據(jù)不斷豐富，深入研究異構(gòu)影像域轉(zhuǎn)換[19-20]、遷移學(xué)習(xí)等技術(shù)，通過多源數(shù)據(jù)時-空-譜融合和多尺度數(shù)據(jù)集成，增強樣本、特征、模型的泛化能力，提高自然資源遙感定量反演、要素識別和協(xié)同監(jiān)測能力，充分挖掘各類自然資源衛(wèi)星數(shù)據(jù)應(yīng)用潛能，實現(xiàn)面向全社會、各行業(yè)的衛(wèi)星遙感產(chǎn)品持續(xù)穩(wěn)定供給[21-22]。

(3)加強新型載荷數(shù)據(jù)應(yīng)用研究。通過對高光譜衛(wèi)星遙感載荷和數(shù)據(jù)特點的分析，優(yōu)化高光譜自然資源質(zhì)量、生態(tài)要素定量反演技術(shù)，面向陸地水儲量、湖庫水量變化、河川徑流及冰川物質(zhì)平衡監(jiān)測、地球科學(xué)研究等需要開展自然資源三維監(jiān)測等技術(shù)方法研究等，不斷豐富發(fā)展陸地衛(wèi)星遙感監(jiān)測理論和方法[23-25]。