新增建設(shè)用地遙感信息自動提取技術(shù)規(guī)范

《新增建設(shè)用地遙感信息自動提取技術(shù)規(guī)范》編制說明提取技術(shù)規(guī)范202133004土衛(wèi)星遙感應(yīng)用中心1新增建設(shè)用地遙感信息自動提取技術(shù)規(guī)范編制說明一、工作簡況來源起草。計劃周期：24個月。2關(guān)3.主要起草人及工作分工表1編制組人員分工序號姓名單位任務(wù)分工備注1王忠武自然資源部國土衛(wèi)星遙感應(yīng)用中心總體負(fù)責(zé)標(biāo)準(zhǔn)相關(guān)資料查閱修改和編制說明撰寫主編2尤淑撐自然資源部國土衛(wèi)星遙感應(yīng)用中心負(fù)責(zé)標(biāo)準(zhǔn)的技術(shù)指導(dǎo)、組織和協(xié)調(diào)副主編3劉力榮自然資源部國土衛(wèi)星遙感應(yīng)用中心參與標(biāo)準(zhǔn)和編制說明起草編寫，負(fù)責(zé)成果質(zhì)量檢查與控制章節(jié)編寫，負(fù)責(zé)統(tǒng)稿工作成員4盧剛江蘇省測繪工程院參與標(biāo)準(zhǔn)第5-9章編寫和修改工作成員5彭樹標(biāo)江蘇省測繪工程院參與標(biāo)準(zhǔn)第7-9章編寫和修改工作成員36許康江蘇省測繪工程院和修改工作成員7劉慧杰北京國測星繪信息技術(shù)有限公司參與標(biāo)準(zhǔn)修改完善工作成員8劉津北京國測星繪信息技術(shù)有限公司參與標(biāo)準(zhǔn)修改完善工作成員4.主要工作過程4.1征求意見稿階段準(zhǔn)草案。制說明。2022年11月開始，征求意見稿擬發(fā)至衛(wèi)星應(yīng)用分技委全體委2送審稿階段3報批稿階段4則和確定標(biāo)準(zhǔn)主要內(nèi)容的依據(jù)本標(biāo)準(zhǔn)將針對基于深度學(xué)習(xí)、經(jīng)典機(jī)器學(xué)習(xí)等人工智能技術(shù)的標(biāo)準(zhǔn)編制原則(1)全面性編寫過程中遵循國家相關(guān)法律、法規(guī)和政策，參照國內(nèi)相關(guān)標(biāo)(2)適用性與可操作性收集了大量的新增建設(shè)用地遙感信息自動提取技術(shù)性資料，并性。(3)先進(jìn)性以國內(nèi)外最新的技術(shù)要求為基礎(chǔ)，并兼顧今后的發(fā)展趨勢，對有先進(jìn)性。2.國內(nèi)外調(diào)研情況國內(nèi)外暫無相關(guān)技術(shù)標(biāo)準(zhǔn)，本標(biāo)準(zhǔn)編制過程中主要開展相關(guān)技域的技術(shù)進(jìn)展趨勢。5多年來國際攝影測量與遙感學(xué)會和美國國家地理空間情報局專每年實施全國全覆蓋土地利用/覆蓋的動態(tài)監(jiān)測、從2016年開始每睫。自20世紀(jì)80年代初至今，國內(nèi)外研究人員在遙感影像變化(1)第一階段。該時期遙感影像分辨率低，對變化檢測精度要(2)第二階段。該時期主要有兩個特點，一是經(jīng)典機(jī)器學(xué)習(xí)方分類后比較法與變化矢量分析方法相結(jié)合進(jìn)行土地利用/土地覆蓋變(3)第三階段。隨著高空間分辨率遙感影像日益普及，變化檢6最階段。自2010年開始，隨著大數(shù)據(jù)、深度學(xué)習(xí)等技由于遙感影像新增建筑自動提取的目的與語義分割的內(nèi)涵十分UNetSunK接高分辨率與低分辨C等人利用DCNN和CRF的級聯(lián)組成，構(gòu)建了DeepLab網(wǎng)絡(luò)模型。為了進(jìn)一步拓展深度學(xué)習(xí)在遙感領(lǐng)域的變化檢測的應(yīng)用。李德仁分析了利用影像進(jìn)行變化檢測的緊迫要求和存在的困難,并對變化檢測的方法進(jìn)行分類,提出將影像配準(zhǔn)與變化檢測整體同步解求的思能解譯任務(wù),對深度學(xué)習(xí)可解釋性國內(nèi)外研究進(jìn)展進(jìn)行了綜合評述譯分析中存在的問題,并展望了設(shè)計面向遙感影像特性的可解釋性等人針對自然資源衛(wèi)星遙感監(jiān)測需求,構(gòu)建了遙感監(jiān)測業(yè)務(wù)化應(yīng)用7。3.主要技術(shù)內(nèi)容的說明圍針對自然資源管理對新增建設(shè)信息獲取提出的高精度、高頻次上表現(xiàn)為地表覆位我國已有遙感監(jiān)測領(lǐng)域的相關(guān)標(biāo)準(zhǔn)，主要針對新增建設(shè)用地等本標(biāo)準(zhǔn)主要內(nèi)容為新增建設(shè)用地遙感信息自動提取，遙感信息用承8本標(biāo)準(zhǔn)規(guī)定了新增建設(shè)用地遙感信息自動提取相關(guān)的技術(shù)要價9圖1新增建設(shè)用地遙感信息自動提取作業(yè)流程(1)資料收集時。(2)數(shù)據(jù)預(yù)處理(3)樣本制作矢量成果進(jìn)行類別映的樣本圖斑矢量成果。(4)模型選擇和訓(xùn)練驗證集和測試集的精度指標(biāo) (5)變化檢測(6)精度評價檢查的方式進(jìn)(7)成果提交記準(zhǔn)中新增建設(shè)用地遙感信息的分類設(shè)計參考了被變化為主要特征的新增建設(shè)用地遙感信息分表2新增建設(shè)類型與解譯樣本類型劃分案例序號土地利用類型(第三次全國國土調(diào)查類型)編碼土地覆被類型(基礎(chǔ)性地理國情監(jiān)測類型)編碼新增建設(shè)類型編碼解譯樣本類型編碼已建成獨立建(構(gòu))筑物商業(yè)服務(wù)業(yè)設(shè)施用地05H1房屋建筑(區(qū))0500新增建(構(gòu))筑物已建成建(構(gòu))筑群，如新建小2.物流倉儲用地0508房屋建筑(區(qū))0500已建成硬化地表，如新建廣場等3.工業(yè)用地0601房屋建筑(區(qū))0500在建建(構(gòu))筑物基本無建設(shè)痕跡的推填土4.采礦用地0602人工堆掘地0800新增推填土混有建設(shè)痕跡的推填土5.鹽田0603荒漠與裸露地09006.城鎮(zhèn)住宅用地0701房屋建筑(區(qū))0500已建成獨立建(構(gòu))筑物已建成建(構(gòu))筑群，如新建小12027.農(nóng)村宅基地機(jī)關(guān)團(tuán)體新聞出版用0702房屋建筑(區(qū))0500新增建(構(gòu))筑物區(qū)等已建成硬化地表，如新建廣場等8.地08H1房屋建筑(區(qū))0500新增高爾夫球場2在建建(構(gòu))筑物已建成高爾夫球場已建成獨立建(構(gòu))筑物20029.科教文衛(wèi)用地08H2房屋建筑(區(qū))0500新增建(構(gòu))筑物已建成建(構(gòu))筑群，如新建小已建成硬化地表，如新建廣場等10.12.13.14.15.16.17.18.19.20.21.22.23.公用設(shè)施用地0809房屋建筑(區(qū))0500新增光伏新增建(構(gòu))筑物143在建建(構(gòu))筑物已建成光伏已建成獨立建(構(gòu))筑物已建成建(構(gòu))筑群，如新建小已建成硬化地表，如新建廣場等在建建(構(gòu))筑物已建成線狀地物在建線狀地物其他重點關(guān)注的已建成目標(biāo)已建成港口碼頭在建建(構(gòu))筑物其他重點關(guān)注的建設(shè)類型20001240123013001公園與綠地特殊用地鐵路用地軌道交通用地公路用地城鎮(zhèn)村道路用地交通服務(wù)場站用地機(jī)場用地港口碼頭用地管道運(yùn)輸用地水工建筑用地空閑地0810構(gòu)筑物09房屋建筑(區(qū))1001道路與鐵路1002道路與鐵路1003道路與鐵路1004道路與鐵路1005構(gòu)筑物1007道路與鐵路1008道路與鐵路1009道路與鐵路1109道路與鐵路1201荒漠與裸露地070005000600060006000600070006000600060006000900新增線形地物新增其它建設(shè)目標(biāo)新增港口碼頭新增建(構(gòu))筑物新增其它建設(shè)樣本制作的要求用于變化檢測自動提取的樣本制作，主要涉及樣本數(shù)據(jù)源、制變化檢測樣本的純?nèi)斯ぶ谱鞒杀据^高，當(dāng)前實際業(yè)務(wù)中主要采繪的方式進(jìn)行樣本制作。面考慮當(dāng)前主流的二值圖、JSON文同尺寸的樣本。當(dāng)前自動提取的方法，尤其是基于深度學(xué)習(xí)的各種變化檢測網(wǎng)絡(luò)模型深度及參數(shù)量越來越大，對于大樣本特征的學(xué)習(xí)能力逐步變別樣本分布不均衡的情況。模型選取與訓(xùn)練.6.1模型選取的原則現(xiàn)有主流變化檢測方法主要為經(jīng)典機(jī)器學(xué)習(xí)方法與深度學(xué)習(xí)方代，提高提取精度。實際新增建設(shè)用地遙感信息自動提取工作中，需綜合考慮新增基于經(jīng)典機(jī)器學(xué)習(xí)的變化檢測方法：對于樣本數(shù)量較少(如樣本數(shù)量少于500)和變化較簡單的情況，一般采用面向?qū)ο蟮谋O(jiān)督方原.6.2模型訓(xùn)練的原則模型訓(xùn)練主要涉及模型參數(shù)設(shè)置、誤差分析、訓(xùn)練分析、精度(1)模型參數(shù)設(shè)置模型選擇的原則是在滿足效率要求前提下選擇更大的模型，使模型的參數(shù)設(shè)置包括預(yù)處理方法、初始化方法及相關(guān)超參數(shù)的。模型訓(xùn)練前需根據(jù)自動提取特征和模型對樣本類型的適用性，深度學(xué)習(xí)模型中，批量歸一化對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)高斯分布處理，(2)誤差分析誤差分析指檢查誤提取的測試集，找到造成誤提取的原因。誤與。當(dāng)樣本誤標(biāo)注成為顯著的誤差來源時，需要對測試集中誤標(biāo)注(3)訓(xùn)練分析訓(xùn)練效果分析一般通過分析偏差和方差判定，當(dāng)偏差較大方差集的數(shù)據(jù)。偏差與方差按訓(xùn)練集大小繪制訓(xùn)練曲線，幫助選擇合適大小的偏差，但能減少方差。模型規(guī)模(如神經(jīng)網(wǎng)絡(luò)中神經(jīng)元/層減少方差的方法包括：添加更多的訓(xùn)練數(shù)據(jù)、加入正則化、加模(如神經(jīng)網(wǎng)絡(luò)中神經(jīng)元/層的數(shù)量)、根據(jù)誤差分析結(jié)果修改輸入(4)精度評價模型定量化精度指標(biāo)用于評價模型的訓(xùn)練、驗證精度。精度評FMIoU、模型用于后續(xù)自動提取。模型滿意度指標(biāo)用于評價模型效果和選擇最優(yōu)模型。滿意度指20模型分析指標(biāo)用于指導(dǎo)訓(xùn)練過程改進(jìn)。分析指標(biāo)一般包括偏差三、驗證試驗的情況和結(jié)果為充分驗證本標(biāo)準(zhǔn)提出的新增建設(shè)用地遙感信息自動提取技術(shù)驗。1.新增推填土自動提取試驗(1)樣本制作基于已有成果圖斑，按照顏色特征分類進(jìn)行樣本制作，統(tǒng)一裁(a)前時相(b)后時相(c)標(biāo)簽圖2新增推填土變化檢測樣本示例(2)模型選取與訓(xùn)練21MIoU土模型訓(xùn)練MIoU變化(3)變化檢測22(a)前時相(b)后時相圖4新增推填土自動提取結(jié)果(4)精度評價經(jīng)圖斑后處理后，人工質(zhì)檢統(tǒng)計提取的圖斑準(zhǔn)確率、召回率分2.新增建(構(gòu))筑物與線形地物自動提取試驗23(a)前時相(b)后時相圖5新增建設(shè)用地自動提取結(jié)果圖6新增線性地物自動提取結(jié)果起草組還分別針對本標(biāo)準(zhǔn)流程中涉及的樣本增強(qiáng)、影像篩選、用地遙感信息的自動提取屬于必要環(huán)節(jié)，且提出的相關(guān)技術(shù)標(biāo)準(zhǔn)合了基于經(jīng)典機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法進(jìn)行自動信息提取的通用流24取的需求。四、采用國際標(biāo)準(zhǔn)和國外先進(jìn)標(biāo)準(zhǔn)的程度，以及與國際、國外同類標(biāo)準(zhǔn)水平的對比情況遙感信息自動提取是指利用人工智能算法自動獲取影像中地物深度學(xué)習(xí)方法主要利用深層結(jié)構(gòu)的全卷積網(wǎng)絡(luò)從海量樣本中尋找較奠定了基礎(chǔ)。五、與現(xiàn)行法規(guī)、標(biāo)準(zhǔn)的關(guān)系25六、重大分歧意見的處理經(jīng)過和依據(jù)七、廢止現(xiàn)行有關(guān)標(biāo)準(zhǔn)的建議提取的關(guān)鍵技術(shù)標(biāo)八、實施標(biāo)準(zhǔn)的要求和措施建議目前我國還沒有關(guān)于新增建設(shè)用地遙感信息自動提取技術(shù)方法九、其他應(yīng)予說明的事項十、參考文獻(xiàn)[1]GB/T13923-2006《基礎(chǔ)地理信息要素分類與代碼》[2]GB/T15968-2008《遙感影像平面圖制作規(guī)范》[3]GB/T18316-2008《數(shù)字測繪成果質(zhì)量檢查與驗收》[4]GB/T21010-2017《土地利用現(xiàn)狀分類》[5]GB/T24356-2009《測繪成果質(zhì)量檢查與驗收》[6]GB/T25529-2010《地理信息分類與編碼規(guī)則》[7]TD/T1010《土地利用動態(tài)遙感監(jiān)測規(guī)程》[8]TD/T1055-2019《第三次全國國土調(diào)查技術(shù)規(guī)程》[9]GQJC01-2019《基礎(chǔ)性地理國情監(jiān)測生產(chǎn)元數(shù)據(jù)技術(shù)規(guī)定》[10]《自然資源部辦公廳關(guān)于全面推進(jìn)實景三維中國建設(shè)的通知》,自然資辦發(fā)[2022]第7號,2022[11]《自然資源部辦公廳關(guān)于開展2021年度全國國土變更調(diào)查工作的通知》,自然資辦發(fā)[2021]第68號,2021.[12]王廣華.激發(fā)地理信息產(chǎn)業(yè)新生命力[J].中國建設(shè)信息化,2019(23):42-43.26[13]李德仁.利用遙感影像進(jìn)行變化檢測[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2003(S1):7-12.[14]龔健雅,宦麟茜,鄭先偉.影像解譯中的深度學(xué)習(xí)可解釋性分析方法[J].測繪學(xué)報,2022,51(06):873-884.[15]劉先林.為社會進(jìn)步服務(wù)的測繪高新技術(shù)[J].測繪科學(xué),2019,44(06):1-15.[16]陳軍,武昊,張繼賢等.自然資源調(diào)查監(jiān)測技術(shù)體系構(gòu)建的方向與任務(wù)[J].地理學(xué)報,2022,77(5):1041-1055.[17]周成虎,孫九林,蘇奮振等.地理信息科學(xué)發(fā)展與技術(shù)應(yīng)用[J].地理學(xué)報,2020,75(12):2593-2609.[18]武文忠.新型基礎(chǔ)測繪與時空大數(shù)據(jù)平臺建設(shè)的思考[J].資源導(dǎo)刊,2020,0(2):10-15[19]張繼賢,顧海燕,楊懿,張鶴,李海濤,韓文立,沈晶.自然資源要素智能解譯研究進(jìn)展與方向[J].測繪學(xué)報,2022,51(07):1606-1617.[20]王權(quán),尤淑撐.陸地衛(wèi)星遙感監(jiān)測體系及應(yīng)用前景[J].測繪學(xué)報,2022,51(04):534-543.[21]唐新明,王華斌,胡翰,等.自然資源衛(wèi)星光學(xué)遙感測繪關(guān)鍵技術(shù)及立體中國應(yīng)用[J].中國科技成果,2022,23(4):72-73[22]柴淵,李萬東.土地利用動態(tài)遙感監(jiān)測技術(shù)與方法[M].北京:地址出版社,2011.[23]史文中,張敏.人工智能用于遙感目標(biāo)可靠性識別:總體框架設(shè)計、現(xiàn)狀分析及展望[J].測繪學(xué)報,2021,50(08):1049-1058.[24]宮鵬.智慧遙感制圖(iMap)[J].遙感學(xué)報,2021,25(02):527-529.[25]張兵,楊曉梅,高連如等.遙感大數(shù)據(jù)智能解譯的地理學(xué)認(rèn)知模型與方法[J].測繪學(xué)報,2022,51(7):1398-1415.[26]張良培,武辰.多時相遙感影像變化檢測的現(xiàn)狀與展望[J].測繪學(xué)報,46(10):1447-1459.[27]ChenLC,PapandreouG,KokkinosI,etal.Deeplab:Semanticimagesegmentationwithdeepconvolutionalnets,atrousconvolution,andfullyconnectedcrfs[J].IEEEtransactionsonpatternanalysisandmachineintelligence,2017,40(4):834-848.27[28]BadrinarayananV,KendallA,CipollaR.Segnet:Adeepconvolutionalencoder-decoderarchitectureforimagesegmentation[J].IEEEtransactionsonpatternanalysisandmachineintelligen