李志強(qiáng)

(廣東省測繪技術(shù)有限公司 廣東廣州 510670)

目前，全國各地用于“兩違”監(jiān)測的技術(shù)方法有很多，常用的包括傳統(tǒng)人工巡查、攝像頭監(jiān)控、街景圖像對比、衛(wèi)星影像對比等[1]。傳統(tǒng)人工巡查方式發(fā)現(xiàn)“兩違”圖斑不但耗時(shí)耗力且主動(dòng)性不高，目的性不強(qiáng)，存在難以到達(dá)的巡查死角、巡查不到位和遺漏等問題[2]。攝像頭監(jiān)控常用于基本農(nóng)田的監(jiān)測，其優(yōu)勢在于可以實(shí)現(xiàn)24 h 的遠(yuǎn)程監(jiān)控，但攝像頭的布控和使用對場地要求較高，不適用于建筑密集的城區(qū)。街景圖像對比則常用于城區(qū)“兩違”監(jiān)測，優(yōu)勢在于直觀、清晰，但其獲取成本較高，監(jiān)測頻率難以提高，且大型片區(qū)的內(nèi)部難以監(jiān)測。

隨著衛(wèi)星技術(shù)的迅猛發(fā)展，衛(wèi)星影像的空間分辨率越來越高，覆蓋頻次也越來越高，在“兩違”監(jiān)測應(yīng)用中的優(yōu)勢也越來越明顯：一方面，高分辨率衛(wèi)星影像能提供更多細(xì)節(jié)信息，提高“兩違”監(jiān)測的準(zhǔn)確度；另一方面，提高監(jiān)測頻次有利于及時(shí)發(fā)現(xiàn)“兩違”的苗頭，真正實(shí)現(xiàn)“兩違”的“早發(fā)現(xiàn)、早上報(bào)、早處理”，既節(jié)省不必要的資金浪費(fèi)，又能發(fā)揮極佳的警示作用。

1 疑似“兩違”圖斑特征分析

本文根據(jù)“兩違”的定義與《廣東省2022年衛(wèi)片執(zhí)法工作方案》，總結(jié)了疑似“兩違”圖斑在高分辨率遙感影像上的特征表現(xiàn)，具體如圖1所示[3]。

2 “兩違”智能動(dòng)態(tài)監(jiān)測方案設(shè)計(jì)

2.1 技術(shù)路線

依據(jù)新增的疑似“兩違”圖斑提取特征，本文圍繞數(shù)據(jù)獲取、數(shù)據(jù)處理、結(jié)果核實(shí)、管理應(yīng)用流程，形成基于高分辨率月度衛(wèi)片的“兩違”智能監(jiān)測技術(shù)流程，具體見圖2。

圖2 “兩違”智能監(jiān)測技術(shù)流程

2.1.1 高時(shí)空分辨率的遙感影像數(shù)據(jù)獲取

在自然資源部門下發(fā)衛(wèi)片數(shù)據(jù)基礎(chǔ)上，補(bǔ)充高覆蓋范圍、高時(shí)空分辨率的商業(yè)衛(wèi)星數(shù)據(jù)，構(gòu)建以上級下發(fā)的季度衛(wèi)片為主體、本級商業(yè)衛(wèi)片數(shù)據(jù)為補(bǔ)充的多層級月度衛(wèi)片數(shù)據(jù)體系，推動(dòng)“年度+季度”監(jiān)測模式提升至“月度”監(jiān)測模式[4]。

2.1.2 基于GeoAI的遙感影像智能化解譯

基于“兩違”變化監(jiān)測樣本庫訓(xùn)練高精度的“兩違”變化監(jiān)測AI 模型，實(shí)現(xiàn)疑似“兩違”圖斑的高效精準(zhǔn)提取。

2.1.3 交互式圖斑內(nèi)業(yè)復(fù)檢與外業(yè)核實(shí)

對智能提取的疑似圖斑進(jìn)一步復(fù)檢并核實(shí)影像解譯結(jié)果，并借助修正工具，采用人機(jī)交互方式對邊界不清的圖斑進(jìn)行規(guī)則化處理，對誤檢、漏檢的圖斑進(jìn)行糾正與補(bǔ)充，保證輸出成果質(zhì)量。

2.1.4 遙感影像智能監(jiān)測成果管理與應(yīng)用

建設(shè)遙感影像智能監(jiān)測管理平臺，實(shí)現(xiàn)對自然資源業(yè)務(wù)圖層、月度衛(wèi)片影像、疑似“兩違”圖斑智能提取結(jié)果的統(tǒng)一管理與展示，輔助支撐耕地“非農(nóng)化”“非糧化”監(jiān)測、衛(wèi)片執(zhí)法等業(yè)務(wù)。

2.2 關(guān)鍵技術(shù)

2.2.1 顧及建筑物陰影特征的建筑物變化檢測網(wǎng)絡(luò)

該算法對雙峰分裂閾值法進(jìn)行改進(jìn)并提取陰影范圍，利用陰影與建筑物的空間關(guān)系預(yù)估建筑物屋頂?shù)奈恢?，逐一比較前后兩時(shí)相建筑物屋頂?shù)奈恢藐P(guān)系與面積，準(zhǔn)確判斷建筑物屋頂邊界，實(shí)現(xiàn)建筑物的定位與變化分析[5]。

2.2.2 顧及空間框架約束的影像分割多分類算法

該算法以土地覆蓋分類為研究對象，融合自然資源遙感影像的紋理顯著性和語義顯著性，形成顯著性排序，按序串聯(lián)道路、水系、建設(shè)用地、耕地、林地、其他用地語義識別網(wǎng)絡(luò)，經(jīng)空間融合算子處理，形成空間連貫性高、邊界完整度高、空間拓?fù)湟恢滦院玫亩喾诸愂噶拷Y(jié)果[6]。

2.2.3 面向解譯圖斑的邊界規(guī)則化算法

矢量數(shù)據(jù)結(jié)構(gòu)通過記錄實(shí)體坐標(biāo)及其關(guān)系，盡可能精確地表現(xiàn)點(diǎn)、線、多邊形等地理實(shí)體，具有精度高、存儲(chǔ)空間小等特點(diǎn)。因此，面向解譯圖斑的邊界規(guī)則化算法在柵格矢量化基礎(chǔ)上，以矢量圖斑為單位進(jìn)行處理，針對建筑物結(jié)構(gòu)特點(diǎn)進(jìn)行邊界規(guī)則化，使解譯成果符合建筑物的結(jié)構(gòu)特點(diǎn)。

3 應(yīng)用實(shí)例

為驗(yàn)證研究成果在“兩違”監(jiān)測中的實(shí)用性和監(jiān)測結(jié)果的準(zhǔn)確性，本文基于研發(fā)的“兩違”智能監(jiān)測管理平臺開展新增道路和新增庫塘監(jiān)測，通過精確率、準(zhǔn)確率、召回率、F1系數(shù)等評價(jià)指標(biāo)，評估“兩違”智能監(jiān)測管理平臺對新增道路和新增庫塘監(jiān)測的實(shí)際效果，實(shí)現(xiàn)“兩違”智能動(dòng)態(tài)監(jiān)測方案的應(yīng)用。

3.1 新增庫塘監(jiān)測

本文在汕尾市低山丘陵崗地區(qū)挑選實(shí)驗(yàn)區(qū)，開展新增疑似違法用地圖斑監(jiān)測，識別耕地中的魚塘，結(jié)果具體見圖3。實(shí)驗(yàn)過程如下：（1）基于制作的魚塘樣本集，訓(xùn)練深度學(xué)習(xí)模型，評價(jià)模型精度；（2）利用實(shí)驗(yàn)區(qū)2018年高分影像，基于訓(xùn)練模型識別魚塘；（3）將魚塘識別結(jié)果與第三次全國國土調(diào)查（以下簡稱“三調(diào)”）耕地圖層進(jìn)行空間分析，剔除識別結(jié)果中屬于水田的部分。對識別結(jié)果進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，實(shí)驗(yàn)區(qū)第二次全國國土調(diào)查數(shù)據(jù)中魚塘數(shù)量1 025個(gè)，識別檢測958個(gè)魚塘，漏檢或錯(cuò)檢67個(gè)魚塘，“兩違”智能監(jiān)測管理平臺識別新增魚塘的Accuracy為93%，Precision為93.5%，Recall為96.7%，F(xiàn)1系數(shù)為0.941，總體識別效果較好。相較于傳統(tǒng)人工目視解譯，該技術(shù)可減少人工判讀時(shí)間，降低人為主觀性的錯(cuò)誤，實(shí)現(xiàn)智能化監(jiān)測。

圖3 新增庫塘提取局部圖

3.2 新增建設(shè)用地監(jiān)測

基于黃浦區(qū)部分區(qū)域的高分辨率遙感影像，本文利用“兩違”智能監(jiān)測管理平臺對該區(qū)域開展新增建設(shè)用地圖斑提取，具體見圖4。實(shí)驗(yàn)過程如下：（1）基于已有的建設(shè)用地樣本集，利用深度學(xué)習(xí)框架，訓(xùn)練建筑影像分割模型；（2）利用實(shí)驗(yàn)區(qū)建筑用地樣本訓(xùn)練優(yōu)化識別模型，使得建設(shè)用地提取模型更適合實(shí)驗(yàn)區(qū)域影像道路目標(biāo)的特征；（3）將模型集成至平臺，對實(shí)驗(yàn)區(qū)高分影像進(jìn)行建設(shè)用地監(jiān)測，疊加實(shí)驗(yàn)區(qū)“三調(diào)”數(shù)據(jù)中的工業(yè)用地、城鎮(zhèn)住宅用地、農(nóng)村宅基地以及公共設(shè)施用地圖層，提取新增建設(shè)用地圖斑。識別結(jié)果與目視解譯效果對比計(jì)算，“兩違”智能監(jiān)測管理平臺識別新增道路的Accuracy為82.5%，Precision為68%，Recall為66.1%，F(xiàn)1系數(shù)為0.671。

圖4 新增建設(shè)用地提取結(jié)果

利用“兩違”智能監(jiān)測管理平臺開展新增道路監(jiān)測，大幅度降低了人工核查量，人工只需針對疑似圖斑進(jìn)行核查；平臺集成了邊界優(yōu)化算法，使得提取的新增道路連通性效果較好、圖斑邊界較平滑，貼近實(shí)際情況。

4 總結(jié)與展望

本文研究了基于高分辨率月度衛(wèi)片的“兩違”智能動(dòng)態(tài)監(jiān)測技術(shù)流程，總結(jié)了新增疑似“兩違”圖斑特征與提取的技術(shù)關(guān)鍵點(diǎn)，開發(fā)了高吞吐量影像智能解譯軟件和“兩違”智能動(dòng)態(tài)監(jiān)測管理系統(tǒng)，并在實(shí)際應(yīng)用中實(shí)現(xiàn)海量影像批量解譯及疑似“兩違”圖斑的精準(zhǔn)提取與管理應(yīng)用。實(shí)例應(yīng)用證明，利用高覆蓋范圍、高頻次、高分辨率的月度衛(wèi)片可以有效提高“兩違”監(jiān)測的時(shí)效性與精確性，運(yùn)用本文提出的融合深度學(xué)習(xí)算法GeoAI技術(shù)，可提升“兩違”圖斑的提取效率，以外業(yè)核查為輔助，實(shí)現(xiàn)監(jiān)測智能化?！皟蛇`”智能監(jiān)測管理平臺對自然資源業(yè)務(wù)圖層、月度衛(wèi)片影像、“兩違”監(jiān)測智能解譯結(jié)果實(shí)現(xiàn)統(tǒng)一管理和展示，可輔助支撐執(zhí)法人員開展“兩違”執(zhí)法等業(yè)務(wù)工作。

本文研究成果在耕地“非農(nóng)化”“非糧化”監(jiān)測、衛(wèi)片執(zhí)法等業(yè)務(wù)應(yīng)用中具有借鑒意義。但在實(shí)際應(yīng)用中，還存在道路提取連通性不足、同物異譜和同譜異物現(xiàn)象導(dǎo)致錯(cuò)檢等問題，后續(xù)將進(jìn)一步優(yōu)化影像智能解譯的深度學(xué)習(xí)框架，提高遙感影像智能解譯算法的精度，提升影像解譯軟件的穩(wěn)定性，探索遙感衛(wèi)星與無人機(jī)、“慧眼守土”等監(jiān)管手段融合應(yīng)用，實(shí)現(xiàn)自然資源立體化、實(shí)時(shí)化、智能化監(jiān)測監(jiān)管。