基于卷积神经网络及遥感反演的生产建设项目识别方法及应用

由于遥感影像中的地物普遍存在异物同谱、同物异谱等现象,导致面向对象的多尺度和多阈值分割分类等解译方法无法在完全脱离人工干预的情况下使用,因而给解译带来成本高、效率较低等问题。本研究目的是建立一个实用、高效的生产建设项目扰动图斑自动识别模型,提高扰动图斑识别的效率和准确性。河南省作为水利部第一批遥感监管示范省,至今已积累大量生产建设项目水土保持空间数据。为此,笔者选择河南省作为研究区。提出一种基于神经网络及遥感反演模型的生产建设项目自动识别方法。该方法使用由5个卷积层和3个池化Pooling层的AlexNet对扰动图斑进行初步自动解译,并使用归一化植被指数、温度植被干旱指数等遥感反演模型进一步判断图斑是否为生产建设项目。笔者以成像时间为2020年、覆盖河南全省的G F-1、G F-6遥感影像为基础,使用生产建设项目扰动图斑的外包矩形裁剪上述影像获得训练样本,对样本进行标记,并将标记好的训练样本输入到AlexNet模型对其进行训练,完成训练后分别使用单一神经网络模型及神经网络模型+遥感反演模型进行两组测试。结果表明:1)本方法在降低误识别率和漏识别率的效果方面均比单纯卷积神经网络识别模型优异,误识别率平均降低23.88%,尤其在降低误识别率方面效果明显;2)本方法的计算时间,与卷积神经网络识别模型没有明显差异。综上,本研究成果可有效降低生产建设项目自动识别的误判率,有助于进一步提升生产建设项目水土保持遥感监管工作的自动化程度,在生产建设项目自动识别应用领域有一定的借鉴意义。

生产建设项目动态监管信息移动采集和管理技术与应用

根据"天地一体化"动态监管技术对地面现场调查的支撑技术及设备提出的新要求,提出了一套生产建设项目水土保持"天地一体化"动态监管信息移动采集与管理解决方案,并结合生产建设项目监管示范任务,开发了一套集移动空间数据管理、高精度定位、远距离测绘、移动输出、无线数据传输通信、云端数据管理等先进技术为一体的水土保持监管信息移动采集系统,可有效提高现场信息采集工作效率,满足内外业实时数据互动、全国数据共享、历史数据统一管理等需求。

水土保持水蚀外业调查集成化解决方案

水利信息化技术的发展推动着外业调查方式的变革,从水蚀外业调查业务需求、业务流程的现状出发,在分析规范、设备、数据等的基础上,提出了一套水土保持水蚀外业调查集成化解决方案。方案通过规范、流程、数据、硬件设备的一体化集成,改进了外业调查的整体工作流程,提高了调查效率。