李 波，馮都賢，陳玉杰，龍清成

（1.壽光市地理信息中心，山東 壽光262700；2.中國石油大學(xué)（華東）海洋與空間信息學(xué)院，山東 青島 266555；3.壽光市不動產(chǎn)登記中心，山東 壽光 262700）

開展自然資源監(jiān)測工作，是各級自然資源部門統(tǒng)一行使全民所有自然資源資產(chǎn)所有者職責和統(tǒng)一行使所有國土空間用途管制和生態(tài)保護修復(fù)職責的重要手段。隨著高分遙感技術(shù)的發(fā)展，土地利用/覆蓋變化（LUCC）研究有了新的含義[1]，它將是對快速變化的地球表面進行有效利用的重要手段，其目標是輔助對地表的每個地理單元進行精確識別（形態(tài)）、準確判別（類型）、定量計算（指標）、準確推測（趨勢）、有效預(yù)防（災(zāi)害）[2-3]。本文提出的P-LUCC產(chǎn)品及生產(chǎn)線研發(fā)的意義在于解決利用多源異構(gòu)數(shù)據(jù)高質(zhì)、高效地提取和更新地理單元，成為自然資源管理和產(chǎn)業(yè)應(yīng)用的基礎(chǔ)性產(chǎn)品和技術(shù)支撐。

為了順應(yīng)這種對自然資源常態(tài)化精準監(jiān)測與更新的需求和使命，國務(wù)院機構(gòu)調(diào)整并專門整合設(shè)立了自然資源部，將與地球環(huán)境相關(guān)的地質(zhì)調(diào)查（地質(zhì)-土壤）、國土空間規(guī)劃（土地資源）、土地調(diào)查（土地利用）、國土執(zhí)法（土地覆蓋變化）、專項調(diào)查（土地類型）統(tǒng)歸到一起，而這幾類功能有機地組合到一起，正是將以往地球科學(xué)中互相割離研究的土壤、土地資源、土地利用、土地覆蓋變化、土地類型（俗稱“五土”）統(tǒng)籌到了一起，這就需要革新技術(shù)方法來適應(yīng)這種變化[4]。

當前主要的調(diào)查監(jiān)測手段還是內(nèi)業(yè)（手工數(shù)字化）和外業(yè)（實地考察）結(jié)合為主，精度高但效率低、成本高、質(zhì)量參差不齊[5]。高分遙感時代的信息智能化提取問題難以攻克，對應(yīng)數(shù)據(jù)大規(guī)模獲取的信息持續(xù)更新與大規(guī)模服務(wù)難以實現(xiàn)，為了提供滿足實際應(yīng)用需求的精準LUCC，需要突破高分遙感時代下數(shù)據(jù)在空間和時間變化帶來的復(fù)雜性，對高分遙感數(shù)據(jù)實現(xiàn)的精細化智能提取和提供高效的信息更新服務(wù)[6-7]。

遙感影像要素信息解譯成果作為高分遙感向地理空間轉(zhuǎn)化和應(yīng)用的基礎(chǔ)信息，是采用微宏觀相結(jié)合的分層解構(gòu)思想，按照從定性到定量的生成邏輯，逐級地將影像所刻畫的復(fù)雜地表空間，映射為以地理圖斑為基本單元進行結(jié)構(gòu)重組與圖譜表征的共性數(shù)據(jù)產(chǎn)品，進一步可通過面向?qū)ｎ}的信息提煉與模式挖掘，衍生一系列服務(wù)于各領(lǐng)域精準應(yīng)用的定制化知識產(chǎn)品。以大數(shù)據(jù)粒計算與綜合地理分析思想為指導(dǎo)，在地理圖斑智能計算理論所構(gòu)建的三大基礎(chǔ)模型（分層感知、時空協(xié)同與多粒度決策）支撐下，設(shè)計并研制遙感影像要素信息解譯生產(chǎn)線及其核心工藝流程，其中的關(guān)鍵是通過對深度學(xué)習(xí)、遷移學(xué)習(xí)與強化學(xué)習(xí)等機器學(xué)習(xí)技術(shù)的有機融合，實現(xiàn)生產(chǎn)線中多源多模態(tài)信息的時空聚合與有序轉(zhuǎn)換。本文將以地理學(xué)分區(qū)、分層、分級思想為指導(dǎo)，有效組合深度學(xué)習(xí)、遷移學(xué)習(xí)、強化學(xué)習(xí)的機器學(xué)習(xí)技術(shù)，構(gòu)建LUCC智能化產(chǎn)品生產(chǎn)線，并以此為基礎(chǔ)設(shè)計研發(fā)專題產(chǎn)品與生產(chǎn)線，開展縣域的分布式生產(chǎn)與服務(wù)實踐。

1 精準土地利用LUCC技術(shù)框架

本文利用國產(chǎn)高分辨率遙感影像，結(jié)合行業(yè)應(yīng)用，開展專題產(chǎn)品研究，形成專題信息產(chǎn)品生產(chǎn)線，最終搭建服務(wù)平臺以及開展產(chǎn)業(yè)化應(yīng)用。本文研究內(nèi)容及整體技術(shù)框架如圖1所示。

圖1 主要研究內(nèi)容及技術(shù)框架

1.1 精準LUCC設(shè)計思路

相對傳統(tǒng)“堆人”的全人工生產(chǎn)模式，精準LUCC基礎(chǔ)產(chǎn)品生產(chǎn)的顯著特征是“智能化”。秉承“流程清晰、過程可控、工藝先進、質(zhì)量可查”的數(shù)據(jù)制造十六字方針，形成一條人機協(xié)同的智能化生產(chǎn)線。生產(chǎn)過程中原來需要人工重復(fù)勞動的步驟基本都被機器替代，數(shù)據(jù)生產(chǎn)效率大幅提高，真正實現(xiàn)了“機器干活人檢查”的生產(chǎn)模式。給定任務(wù)區(qū)域及該區(qū)域?qū)?yīng)的遙感影像，精準LUCC產(chǎn)品識別出區(qū)域內(nèi)的所有地塊形成矢量圖斑，并按照一定的分類體系為每個地塊圖斑賦予相應(yīng)的類別屬性。

1.2 精準LUCC生產(chǎn)線

精準LUCC生產(chǎn)線是將地理學(xué)分區(qū)/分層/分級的思想、遙感的機理模型與機器學(xué)習(xí)智能計算方法相緊密結(jié)合而設(shè)計與實現(xiàn)，以亞米級高分影像為本底輸入，輸出精細圖斑的土地利用和土地覆蓋產(chǎn)品，并可進一步根據(jù)需求做產(chǎn)品定制（屬性精化細化、圖斑結(jié)構(gòu)重組、圖形綜合制圖），并在新的觀測和外部數(shù)據(jù)接入后做出快速的變化更新。

從整體架構(gòu)上，精準LUCC產(chǎn)品生產(chǎn)線系統(tǒng)的設(shè)計將后臺的數(shù)據(jù)管理、計算工具和任務(wù)執(zhí)行與前端的人機交互式操作分離，由統(tǒng)一的工作流進行串聯(lián)，分為：數(shù)據(jù)/計算/任務(wù)管理模塊、地理區(qū)塊劃分/影像合成/分層提取/屬性賦值/結(jié)構(gòu)重組/圖斑處理的計算模塊、樣本制作/分區(qū)控制/產(chǎn)品定制的終端模塊、外業(yè)驗證APP等四大部分，精準LUCC產(chǎn)品生產(chǎn)線系統(tǒng)架構(gòu)如圖2所示。

圖2 精準LUCC生產(chǎn)線系統(tǒng)架構(gòu)

2 精準LUCC在線服務(wù)平臺開發(fā)及縣域示范應(yīng)用

2.1 精準LUCC在線服務(wù)平臺

設(shè)計在線LUCC生產(chǎn)平臺方案，實現(xiàn)生產(chǎn)與服務(wù)系統(tǒng)，為進一步開展“區(qū)域+專題”產(chǎn)品與服務(wù)應(yīng)用提供支撐。充分吸收和緊密結(jié)合分區(qū)/分層/分級的地理學(xué)分析方法、深度學(xué)習(xí)/遷移學(xué)習(xí)/強化學(xué)習(xí)的機器學(xué)習(xí)技術(shù)、時空協(xié)同反演的遙感機理模型，并將各個功能模塊化、流程化。平臺將有效結(jié)合機器學(xué)習(xí)智能算法、外部知識與資料庫、生產(chǎn)流程管控平臺三大法寶，讓機器逐步學(xué)習(xí)到外部知識和專家經(jīng)驗，實現(xiàn)生產(chǎn)線的智能化、高效化。該平臺框架以在線的互聯(lián)網(wǎng)影像地圖以及互聯(lián)網(wǎng)采集的現(xiàn)勢標注信息為主要的數(shù)據(jù)來源，搭建精準LUCC在線生產(chǎn)流程，高效地生產(chǎn)更新基礎(chǔ)的全球任意陸地區(qū)域的精準地理圖斑?；诖嘶A(chǔ)產(chǎn)品，開展縣域?qū)ｎ}產(chǎn)品設(shè)計、生產(chǎn)、服務(wù)與應(yīng)用。在線精準LUCC生產(chǎn)與應(yīng)用服務(wù)平臺如圖3所示。

圖3 在線精準LUCC生產(chǎn)與應(yīng)用服務(wù)平臺

精準LUCC生產(chǎn)與應(yīng)用服務(wù)平臺是專業(yè)用于遙感信息產(chǎn)品的生產(chǎn)系統(tǒng)，是一種數(shù)據(jù)可視化、信息地圖化的桌面解決方案。利用遙感信息生產(chǎn)軟件，可以實現(xiàn)遙感信息產(chǎn)品的高效、快捷生產(chǎn)，并提高了產(chǎn)品的正確性。該平臺依據(jù)地圖及其應(yīng)用的概念、采用辦公自動化的操作、融合計算機地圖方法、使用地理數(shù)據(jù)庫技術(shù)、加入了地理信息系統(tǒng)分析功能，形成了極具實用價值、可以為各行各業(yè)所用的大眾化小型軟件系統(tǒng)。該平臺一方面提供基本的影像加載、顯示、縮放、漫游功能用于預(yù)覽所需處理的數(shù)據(jù)，還擁有對遙感影像的基本處理能力，包括了對影像矢量化、屬性賦值、對矢量數(shù)據(jù)的分割合并等操作，這些工具對遙感信息的生產(chǎn)效率有著極大的提升。

2.2 精準LUCC在線服務(wù)平臺示范應(yīng)用

2.2.1 試驗區(qū)簡介

壽光市，是山東省濰坊市代管縣級市，位于山東半島中部，渤海萊州灣南畔，第三次國土調(diào)查總面積為199 737.21 hm2，其中，耕地98 576.72 hm2，是“中國蔬菜之鄉(xiāng)”，農(nóng)業(yè)及蔬菜產(chǎn)業(yè)在全市經(jīng)濟中占有重要位置，開展耕地變化監(jiān)測及蔬菜大棚精準提取試驗應(yīng)用具有典型示范意義。

2.2.2 數(shù)據(jù)源及控制資料

（1）數(shù)據(jù)源主要采用采購的現(xiàn)勢性為2021年1-12月份的衛(wèi)星影像作為主要數(shù)據(jù)源，影像分辨率優(yōu)于0.5 m。

（2）地理參考，以山東省壽光市自然資源局提供的山東全省已有的0.5 m分辨率DOM作為參考影像，主要用于衛(wèi)星影像控制點獲取。

（3）高程參考：以測繪院提供的山東全省30 m格網(wǎng)數(shù)字高程模型數(shù)據(jù)，用于衛(wèi)星影像空三加密控制。

（4）其他參考資料：單體建筑掩膜，基于0.8 m衛(wèi)星遙感影像制作的單體建筑掩膜（柵格）數(shù)據(jù)，用于過濾高層建筑物上的匹配點，提高幾何精度。地表覆蓋掩膜，山東地表覆蓋掩膜（柵格）數(shù)據(jù)，用于鑲嵌線自動規(guī)避農(nóng)村建筑區(qū)。

2.2.3 耕地及大棚智能提取

圍繞山東省壽光市耕地地塊（包含種植結(jié)構(gòu)）、大棚等對象的監(jiān)測調(diào)查工作開展示范應(yīng)用，幫助實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的常態(tài)化監(jiān)測及評價，是幫助全覆蓋、精準摸清全縣種植結(jié)構(gòu)家底的可行途徑。利用亞米級高分影像提取與更新耕地地塊，利用地面調(diào)查手段獲取當年各縣域的種植類型采樣（用以樣本訓(xùn)練與驗證），利用多期光學(xué)影像和SAR衛(wèi)星數(shù)據(jù)對應(yīng)種植季特征的綜合分析提取各地塊的種植類型，從而獲得全域覆蓋、精準、及時的種植結(jié)構(gòu)信息。流程如圖4所示。

圖4 耕地生產(chǎn)流程

耕地圖斑為影像上表現(xiàn)出明顯人工耕作特征的土地范圍如圖5所示。

圖5 山東省壽光市耕地地塊智能提取結(jié)果

（1）熟耕地、新開發(fā)整理荒地、以農(nóng)為主的草田輪作地，即常規(guī)耕地（包括在影像中能識別出耕作特征的拋荒地、草地）。

（2）種植以采集果、葉、根、莖、汁為主的集約經(jīng)營的多年生草本作物，即種植草本作物的園地。

大棚圖斑提取對象為高分影像中表現(xiàn)出明顯大棚特征的圖斑，即從高分影像中能通過紋理、覆膜、框架等邊界識別出的內(nèi)部精細大棚矢量圖斑。流程如圖6所示，提取結(jié)果如圖7所示。

圖6 大棚生產(chǎn)流程

圖7 山東省壽光市大棚智能提取結(jié)果

3 結(jié)束語

在整個精準LUCC生產(chǎn)流程的設(shè)計中，綜合運用了“提取影像時空特征的深度學(xué)習(xí)”“逐步融入外部知識的遷移學(xué)習(xí)”以及“驅(qū)動生產(chǎn)流程優(yōu)化的強化學(xué)習(xí)”這三大類機器學(xué)習(xí)機制，從而協(xié)同發(fā)揮了數(shù)據(jù)?；?、信息重組與知識關(guān)聯(lián)為一體的大數(shù)據(jù)智能計算作用。其中，深度學(xué)習(xí)主要應(yīng)用于分層感知器中對于地物空間形態(tài)特征的提取，以及時空協(xié)同反演中對于地物時序變化特征的分析；遷移學(xué)習(xí)主要體現(xiàn)在時空協(xié)同反演中通過土地覆蓋（LC）反推土地利用（LU）類型，以及多粒度決策器中通過挖掘外部關(guān)聯(lián)知識推測LU類型；強化學(xué)習(xí)首先融入分層感知器中對各類網(wǎng)絡(luò)內(nèi)部反饋機制和樣本主動增補機制進行改進，進而協(xié)同多粒度決策器將外部增量知識動態(tài)地補充至LU場景，以持續(xù)增強對LU類型的判別以及LC指標的計算。

在圖形的增強方面，主要通過建立針對邊緣、形態(tài)、（大）類型的圖形樣本庫來主動地訓(xùn)練網(wǎng)絡(luò)模型（模擬對遙感影像中地理要素的視覺感知），并有機地集成到制作流程中，并通過GIS后處理算法和人工對圖斑的修正，將結(jié)果中優(yōu)選區(qū)域樣本反饋至樣本庫和訓(xùn)練網(wǎng)絡(luò)，實現(xiàn)主動式的增強學(xué)習(xí)。在屬性的增強方面，針對地理圖斑的功能類型、覆蓋變化指標、資源狀態(tài)和發(fā)展趨勢等四類推演目標，除外部遷移獲得的特征外，需要進一步構(gòu)建靜態(tài)空間特征（包括強度、密度、鄰近、距離等類型）以及隨部分目標確定后實時計算獲得的動態(tài)特征。其中空間相關(guān)特征是基于各地理圖斑與其他圖斑的空間關(guān)系來計算得到的特征值（例如緩沖區(qū)內(nèi)建筑的個數(shù)等）；動態(tài)特征則是待確定地理圖斑與周邊已確定地理圖斑間的空間語義關(guān)系所計算的特征值，該特征值是會隨著每一次迭代優(yōu)化和確定的目標數(shù)增多而動態(tài)調(diào)整并代入到下一次迭代計算中去的（這兩種特征進一步融入了GIS空間分析的方法）。在每一次迭代計算的結(jié)果輸出后，都會計算各圖斑的結(jié)果可靠性，將高可靠性的圖斑標記為確定圖斑，確定圖斑在下一次迭代計算中其結(jié)果將不會被改變，除非有強制的判定出現(xiàn)。隨著人工內(nèi)業(yè)（或互聯(lián)網(wǎng)眾包）和外業(yè)調(diào)查反饋，對部分目標結(jié)果進行修正（懲罰）和確認（獎勵），從而不斷訓(xùn)練集成分類模型，逐步使結(jié)果趨優(yōu)。